Los investigadores presentan MatBind, un marco de aprendizaje contrastivo que integra datos heterogéneos de materiales — estructuras cristalinas, difracción de rayos X en polvo simulada (pXRD), densidad de estados (DOS) y lenguaje natural — en un espacio de incrustación unificado. Utilizando la estructura cristalina como el ancla física central, el modelo alinea estas modalidades para habilitar la recuperación cruzada multimodal zero-shot emergente.
- El marco induce alineación entre modalidades que nunca se emparejaron explícitamente durante el entrenamiento.
- El rendimiento de recuperación mejora sistemáticamente cuando se combinan múltiples modalidades en el momento de la consulta.
- El espacio de incrustación aprendido organiza los materiales según propiedades físicamente significativas sin supervisión explícita.
Tratar los datos heterogéneos de materiales como proyecciones complementarias de una única realidad física permite una consulta y análisis cruzado multimodal más efectivos.