一个指令数据集,用于从科学文本中提取量子级联激光器特性

科学领域:

• 半导体物理 半导体物理
• 激光技术 激光技术 激光技术
• 材料科学是一种材料科学.

背景情况:

• 量子级联激光器 (QCL) 是复杂设计的紧,强大的半导体设备.
• 从非结构化科学文本中提取QCL属性对于理解设计性能关系至关重要.
• 由于机器学习模型缺乏优质的培训数据,现有的方法面临挑战.

研究的目的:

• 为了解决标记数据的稀缺性,以训练QCL属性提取中的机器学习模型.
• 提出一个原始的指令数据集用于培训和评估大语言模型 (LLMs) 在QCL数据上.
• 为了促进自动数据挖掘和分析科学文献中的QCL属性.

主要方法:

• 使用GPT-3.5增强科学文章的样本句子,使用几次拍摄策略来指导.
• 由量子级联激光专家手动注释生成的数据.
• 创建一个数据集,包括1300个训练示例,每个训练示例都有一个指令,输入文本和输出文本.

主要成果:

• 开发一套新的手动注释指令数据集,专门用于QCL属性提取.
• 该数据集旨在培训和评估LLM,克服QCL异构结构和设计提取中的域特定挑战.
• 该数据集为在QCL研究中推进机器学习应用提供了基础.

结论:

• 本文提供的数据集是提高从文本中提取QCL属性的准确性和效率的宝贵资源.
• 这项工作使QCL特征的更强大的数据挖掘和分析成为可能,加速了研究和开发.
• 该数据集支持LLM适应专业科学领域,如量子级联激光器.