La IA y los problemas difíciles del mundo · Química y materiales · Nature Computational Science · 2026-10-12
Menos puede ser más al predecir propiedades con grandes modelos de lenguaje
Título original: Less can be more for predicting properties with large language models
Predecir propiedades a partir de datos de coordenadas y categorías, como las energías de formación o los módulos elásticos a partir de estructuras cristalinas, es fundamental en la ciencia computacional, y se han aplicado a ello los modelos de lenguaje de gran tamaño (LLM). Mediante conjuntos de datos sintéticos y el benchmark MatText, los autores encuentran que los LLM no logran captar de forma consistente la información de las coordenadas, mientras que manejan bien los patrones de categorías. Esto se mantiene en modelos de hasta 70 mil millones de parámetros, conjuntos de datos de hasta 2 × 10^6 estructuras y distintas representaciones de texto, y en la predicción de propiedades dominadas por efectos estructurales, las arquitecturas geométricas especializadas superan a los LLM.