相关实验视频
Updated: Jun 14, 2026

09:51
Atom Probe Tomography Studies on the CuIn,GaSe2 Grain Boundaries
Published on: April 22, 2013
12.7K
MaTableGPT:基于GPT的表格数据提取器,从材料科学文学中提取数据.
Gyeong Hoon Yi1,2, Jiwoo Choi1,2, Hyeongyun Song1
1Computational Science Research Center, Korea Institute of Science and Technology, Seoul, 02792, Republic of Korea.
Advanced science (Weinheim, Baden-Wurttemberg, Germany)
|January 24, 2025
概括
基于GPT的工具MaTableGPT有效地从各种材料科学表中提取数据. 它实现了水分裂催化数据的高准确性,用几次射击学习提供了成本和性能的最佳平衡.
科学领域:
- 材料科学 材料科学 材料科学
- 计算化学计算化学
- 数据科学数据科学数据科学
背景情况:
- 从科学文献中的各种表格中提取数据对于创建数据库至关重要.
- 现有的基于规则的方法是无效的,因为材料科学论文中的表格格式不同.
研究的目的:
- 开发MaTableGPT,这是一个基于GPT的系统,用于从材料科学文献中提取表格数据.
- 为了提高GPT的理解和过幻觉信息,以获得准确的数据提取.
主要方法:
- 使用基于GPT的架构,并采用专门的策略来表格数据表示和分割.
- 实施了后续问题机制,以过幻觉信息.
- 评估了零射击,少数射击和微调学习方法,以提高成本效益和准确性.
主要成果:
- 在水分裂催化学文献中,MaTableGPT实现了高提取精度 (高达96.8%的F1得分).
- 少数射击学习证明了高精度 (>95%F1得分) 和低成本 (GPT使用:5.97美元,标签:10个例子) 之间的最佳平衡.
- 对生成的数据库的统计分析提供了对催化剂属性的见解,例如过度潜在和元素利用.
结论:
- MaTableGPT提供了一种有效的解决方案,可以从复杂的材料科学表中提取结构化数据.
- 短暂的学习提供了一个具有成本效益和准确的方法,用于使用大型语言模型提取数据.
- 生成的数据库有助于更深入地了解用于水分裂催化物的材料.
更多相关视频
10:31Detection and Recovery of Palladium, Gold and Cobalt Metals from the Urban Mine Using Novel Sensors/Adsorbents Designated with Nanoscale Wagon-wheel-shaped Pores
Published on: December 6, 2015
28.0K
05:04Determining the Mechanical Strength of Ultra-Fine-Grained Metals
Published on: November 22, 2021
2.2K