У цьому документі представлено FormuLLA, інноваційний підхід, який використовує великі мовні моделі (LLM) для генерації нових формул, що можуть бути надруковані на 3D-принтері. Це відкриває нові можливості для швидкого прототипування та розробки матеріалів.

Розробка нових матеріалів для 3D-друку — це повільний і дорогий процес проб і помилок. Простір проектування занадто великий, щоб людська інтуїція могла ефективно його досліджувати, а традиційні алгоритми мають труднощі з неструктурованою природою хімічних знань.

Автори зібрали набір даних хімічних формуляцій та їхніх властивостей з патентів та літератури. Вони токенізували хімічні назви та співвідношення, а потім доналаштували попередньо навчену велику мовну модель (LLM), щоб вона діяла як умовний генератор: Вхід [Цільові властивості] -> Вихід [Хімічний рецепт]. Вони перевірили результати за допомогою комп’ютерного моделювання хімії та фізичних експериментів.

FormuLLA досягла значно вищого показника успіху, ніж випадкова вибірка, у створенні формуляцій, сумісних з друком. Зокрема, вона ідентифікувала 3 нові склади смол із кращим співвідношенням в’язкості до жорсткості порівняно з комерційними еталонами. Модель продемонструвала здатність імпліцитно «розуміти» стехіометрію.

FormuLLA — це переконливе застосування генеративного ШІ у фізичному світі. Однак стаття ризикує спростити складність хімії полімерів, розглядаючи її суто як проблему генерації тексту. Успіх моделі значною мірою залежить від якості зібраних даних, які у матеріалознавстві відомі своєю зашумленістю. Хоча генеративна здатність вражає, відсутність механізму зворотного зв’язку із замкнутим циклом у базовій архітектурі (покладання на зовнішню валідацію) обмежує її негайну автономність.