KI und die schwierigen Probleme der Welt · Chemie & Materialien · Nature Computational Science · 2026-10-12
Weniger kann mehr sein bei der Vorhersage von Eigenschaften mit großen Sprachmodellen
Originaltitel: Less can be more for predicting properties with large language models
Die Vorhersage von Eigenschaften aus Koordinaten-Kategorie-Daten, etwa von Bildungsenergien oder Elastizitätsmodulen aus Kristallstrukturen, ist zentral für die computergestützte Wissenschaft, und große Sprachmodelle (LLMs) wurden dafür eingesetzt. Anhand synthetischer Datensätze und des MatText-Benchmarks stellen die Autoren fest, dass LLMs Koordinateninformationen durchweg nicht erfassen, Kategoriemuster aber gut verarbeiten. Dies gilt für Modellgrößen bis zu 70 Milliarden Parametern, Datensätze mit bis zu 2 × 10^6 Strukturen und verschiedene Textdarstellungen, und bei der Eigenschaftsvorhersage, die von Struktureffekten dominiert wird, übertreffen spezialisierte geometrische Architekturen die LLMs.