Aprovechar grandes modelos de lenguaje para recopilar y analizar el conjunto de datos de propiedades del marco...

Área de la Ciencia:

• Ciencias de los materiales
• Química computacional
• Ciencia de los datos

Sus antecedentes:

• El acceso a los datos del marco metálico-orgánico experimental (MOF) es un desafío.
• Los datos existentes a menudo no están estructurados, lo que dificulta las aplicaciones de aprendizaje automático.
• Los datos de alta calidad son cruciales para el avance de la investigación en ciencia de los materiales.

Objetivo del estudio:

• Recopilar y estructurar sistemáticamente los datos experimentales del MOF de la literatura científica.
• Mejorar la disponibilidad y calidad de los datos para el aprendizaje automático en la ciencia de los materiales.
• Desarrollar herramientas para analizar la síntesis y las propiedades de los MOF.

Principales métodos:

• Utilizó modelos avanzados de lenguaje grande (LLM) para la extracción de datos.
• Desarrolló un enfoque sistemático para compilar las condiciones y propiedades de síntesis de MOF.
• Creó una base de datos estructurada de más de 40.000 artículos de investigación.

Principales resultados:

• Se ha compilado un conjunto de datos experimentales completos y listos para su uso.
• Analizó las relaciones entre la síntesis, las propiedades y la estructura de MOF.
• Identificó una brecha entre la simulación y los datos experimentales, identificando los factores que contribuyen.
• Desarrolló un sistema de recomendación de condiciones de síntesis.

Conclusiones:

• Los conjuntos de datos experimentales son vitales para el avance de la investigación MOF.
• El sistema desarrollado proporciona una herramienta práctica para optimizar la síntesis de MOF.
• La curaduría de datos impulsada por IA mejora la utilidad de la literatura científica para el descubrimiento de materiales.