Video Experimental Relacionado
Updated: Jan 30, 2026

Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness
Published on: December 6, 2024
Aumentando los grandes modelos de lenguaje para el descubrimiento automatizado de extractantes de elementos F
Baosen Zhang1, Thomas J Summers2, Logan J Augustine2
1Department of Chemistry & Biochemistry, Fordham University, The Bronx, New York 10458, United States.
Desarrollamos un flujo de trabajo de IA para diseñar ligandos selectivos para separar los elementos f, acelerando el descubrimiento. Este método identificó con éxito nuevos ligandos con alta selectividad Am(III) / Eu(III), superando los actuales parámetros de referencia.
Área de la Ciencia:
- Química Nuclear La Química Nuclear es el campo de la química nuclear.
- Química computacional es la química computacional.
- Ciencia de los materiales Ciencia de los materiales.
Sus antecedentes:
- La separación eficiente de los elementos f (lantánidos y actinidos) es crucial para las tecnologías avanzadas, pero se ve obstaculizada por su similitud química.
- El desarrollo de reactivos de extracción selectiva con disolventes para estos elementos es un proceso lento y difícil.
Objetivo del estudio:
- Presentar un flujo de trabajo habilitado para IA para el diseño rápido y la detección computacional de ligandos de extractores selectivos para elementos f.
- Acelerar el descubrimiento de nuevos ligandos con una mayor selectividad para separaciones difíciles como Am(III) / Eu(III).
Principales métodos:
- Utilizó un modelo de lenguaje grande (SAFE-MolGen) para el diseño molecular guiado y la clasificación preliminar de ligandos.
- Empleó un modelo de aprendizaje automático supervisado entrenado en datos experimentales para predecir el rendimiento del ligando en condiciones realistas.
- Integró una tubería para construir complejos 3D de metal-ligando y realizar cálculos de energía libre mecánica cuántica para evaluar la selectividad.
Principales resultados:
- Demostró el flujo de trabajo para las separaciones de Am (III) / Eu (III), un desafío crítico en la gestión de residuos nucleares.
- Se identificaron varios ligandos de nuevo diseño que se prevé que ofrezcan una mayor selectividad Am(III) / Eu(III) en comparación con el extractante de referencia CyMe4BTBP.
- Aceleró con éxito la exploración computacional del espacio molecular en este campo disperso de datos.
Conclusiones:
- El flujo de trabajo habilitado para IA acelera significativamente la generación y evaluación de nuevos extractores de lantánidos y actinidos.
- Este enfoque proporciona una estrategia general para el diseño de ligandos selectivos, superando las limitaciones de los métodos tradicionales.
- Los ligandos desarrollados son prometedores para mejorar la eficiencia de las separaciones de elementos f en diversas aplicaciones tecnológicas.
Videos de Conceptos Relacionados
Elements and Compounds
Elements
Elements are classified as atomic or molecular based on the nature of their basic units. They are unique forms of matter with specific chemical and physical properties that cannot break down into smaller substances by ordinary chemical reactions. There...
Language
Corballis and Suddendorf (2007) and Tomasello and Rakoczy (2003) highlight the role of language in...
Periodic Classification of the Elements
Classification of Elements and Compounds
Compounds are pure substances composed of two or more elements in fixed, definite proportions. Compounds are classified as ionic or molecular (covalent) based on the bonds...
Components of Language
Language Development
The critical period for language acquisition suggests that the ability to acquire language is at its peak early in life. As people age, this proficiency decreases. Language development begins very...

