活久見，貝多芬的第九交響曲竟然跟材料結構有相似性，一幅藝術畫作讓大模型誕生新生物材料！ 原創
出品 | 51CTO技術棧（微信號：blog51cto）
太酷了，12日消息，麻省理工大學研究團隊發表了一篇新的研究結果。研究發現：通過大模型的加持，科學和藝術竟然存在某種隱藏聯系，進而可以生成新的生物材料。
圖片
基于圖形的人工智能模型（中）建議創建一種新的基于菌絲體的生物材料（右），其靈感來自于瓦西里·康定斯基的畫作《第七幅作品》（左）馬庫斯·布勒（Markus Buehler）在其新人工智能系統的幫助下（中、右）
1.圖推理拉高AI科學新高度
近日，MIT 教授 Markus Buehler 開發的一種名為GraphReasoning（圖推理）的人工智能方法，并進行了兩項非常nice的實驗。其中一項實驗，揭示了生物材料和貝多芬第九交響曲之間的結構相似性，通過同構映射突出了共同的復雜性模式。在另一個例子中，該算法提出了一種基于路徑采樣和從康定斯基的“第七幅作品”繪畫中提取的原理的分層菌絲體復合材料。
圖片
新的 AI 方法使用基于類別理論啟發的方法的圖表作為理解科學中符號關系的核心機制。此圖顯示了一個這樣的圖表以及它如何映射相關思想和概念的關鍵點。
圖片
想象一下，使用人工智能來比較兩個看似毫無關聯的創作——生物組織和貝多芬的《第九交響曲》。乍一看，生命系統和音樂杰作似乎毫無關聯。然而，麻省理工學院 McAfee 工程學教授、土木與環境工程和機械工程教授 Markus J. Buehler 開發的一種新穎的人工智能方法彌補了這一差距，揭示了復雜性和秩序的共同模式。
“通過將生成式人工智能與基于圖形的計算工具相結合，這種方法揭示了以前無法想象的全新想法、概念和設計。我們可以通過教導生成式人工智能對從未見過的想法、概念和設計做出新穎的預測來加速科學發現，”Buehler 說。
這項研究最近發表在《機器學習：科學與技術》，展示了一種集成生成知識提取、基于圖形的表示和多模態智能圖形推理的先進人工智能方法，大家可以開放獲取。
圖片
2.范疇論引導模型識別科學符號
這項研究使用受范疇論啟發的方法開發的圖譜作為核心機制，教導模型理解科學中的符號關系。范疇論是數學的一個分支，它研究抽象結構及其之間的關系，它通過關注對象及其相互作用而不是其具體內容，為理解和統一不同的系統提供了一個框架。
在范疇論中，系統被視為對象（可以是任何東西，從數字到更抽象的實體，如結構或過程）和態射（定義這些對象之間關系的箭頭或函數）。通過使用這種方法，Buehler 能夠教會人工智能模型系統地推理復雜的科學概念和行為。通過態射引入的符號關系清楚地表明，人工智能不僅僅是進行類比，而且還在進行更深層次的推理，將抽象結構映射到不同的領域。
Buehler 使用這種新方法分析了 1,000 篇有關生物材料的科學論文，并將其轉化為圖形形式的知識圖譜。該圖譜揭示了不同信息之間的聯系，并能夠找到將許多概念聯系在一起的相關思想和關鍵點。
“真正有趣的是，圖譜遵循無標度特性，具有高度連通性，可以有效地用于圖推理，”Buehler 說道?！皳Q句話說，我們教人工智能系統思考基于圖譜的數據，以幫助它們構建更好的世界表征模型，并增強思考和探索新想法的能力，從而實現發現?！?/p>
研究人員可以使用該框架來回答復雜的問題，發現當前知識的空白，提出新的材料設計，預測材料的行為方式，并將以前從未連接過的概念聯系起來。
人工智能模型發現生物材料和《第九交響曲》之間存在意想不到的相似之處，表明兩者都遵循復雜的模式。“與生物材料中的細胞以復雜但有組織的方式相互作用以發揮功能的方式類似，貝多芬的《第九交響曲》通過安排音符和主題來創造復雜但連貫的音樂體驗，”Buehler 說。
圖片
在另一項實驗中，基于圖形的人工智能模型建議創造一種新的生物材料，其靈感來自瓦西里·康定斯基的畫作《構圖 VII》中的抽象圖案。人工智能建議制造一種新的基于菌絲體的復合材料。
圖片
Buehler 指出：“這種材料結合了一系列創新概念，包括混亂與秩序的平衡、可調節的特性、孔隙率、機械強度和復雜圖案的化學功能。”通過從一幅抽象畫中汲取靈感，人工智能創造了一種材料，它在強度和功能之間取得平衡，同時還具有適應性，能夠發揮不同的作用。該應用可以促進創新的可持續建筑材料、可生物降解的塑料替代品、可穿戴技術，甚至生物醫學設備的開發。
借助這種先進的人工智能模型，科學家可以從音樂、藝術和技術中汲取見解，分析這些領域的數據，以識別隱藏的模式，這些模式可能會為材料設計、研究甚至音樂或視覺藝術帶來無限的創新可能性。
Buehler 表示：“基于圖譜的生成式人工智能比傳統方法具有更高的創新性、探索能力和技術細節，并通過揭示隱藏的聯系建立了一個廣泛有用的創新框架。這項研究不僅為仿生材料和力學領域做出了貢獻，而且為未來奠定了基礎，未來，由人工智能和知識圖譜驅動的跨學科研究可能會成為科學和哲學探究的工具，我們期待著未來的其他工作?！?nbsp;
實驗中用到的模型有GPT-4o、Claude、Mistral等，這篇研究論文有很多精彩內容，如果想了解更多，可以參考原文：??https://iopscience.iop.org/article/10.1088/2632-2153/ad7228/pdf??
本文轉載自??51CTO技術棧??
