शोधकर्ताओं ने MatBind प्रस्तुत किया, एक कंट्रास्टिव लर्निंग फ्रेमवर्क जो विषम सामग्री डेटा — क्रिस्टल संरचनाएं, सिमुलेटेड पाउडर एक्स-रे डिफ्रैक्शन (pXRD), स्टेट्स की घनत्व (DOS) और प्राकृतिक भाषा — को एक एकीकृत एम्बेडिंग स्पेस में एकीकृत करता है। क्रिस्टल संरचना को केंद्रीय भौतिक एंकर के रूप में उपयोग करते हुए, मॉडल इन मोडैलिटीज़ को संरेखित करता है ताकि उत्पन्न ज़ीरो-शॉट क्रॉस-मोडल रिट्रीवल सक्षम हो सके।
- फ्रेमवर्क प्रशिक्षण के दौरान कभी स्पष्ट रूप से जोड़े नहीं गए मोडैलिटीज़ के बीच संरेखण को उत्पन्न करता है।
- क्वेरी समय पर कई मोडैलिटीज़ को संयुक्त करने पर रेट्रीवल प्रदर्शन व्यवस्थित रूप से सुधार होता है।
- सीखा गया एम्बेडिंग स्पेस स्पष्ट निगरानी के बिना भौतिक रूप से महत्वपूर्ण गुणों के अनुसार सामग्रियों को संगठित करता है।
विषम सामग्री डेटा को एकल भौतिक वास्तविकता के पूरक प्रक्षेपण मानने से अधिक प्रभावी क्रॉस-मोडल क्वेरी और विश्लेषण की अनुमति मिलती है।