通过检索增强生成 (RAG) 方法进行纳米结构材料设计:桥梁实验室实践和科学文献
Nikita A Krotkov1, Dmitrii A Sbytov1, Anna A Chakhoyan1
1Infochemistry Scientific Center, ITMO University, Lomonosova str. 9, 191002 Saint Petersburg, Russia.
Journal of chemical information and modeling
|September 30, 2025
概括
本研究介绍了一种基于代理的检索增强生成 (RAG) 系统,使用大语言模型 (LLM) 来简化纳米结构材料研究. 该系统增强了用于双光子聚合 (2PP) 应用的信息提取和分析,改进了实验规划.
科学领域:
- 材料科学 材料科学 材料科学
- 计算化学计算化学
- 生物医学工程 生物医学工程
背景情况:
- 设计用于电子,医学和能源的先进纳米结构材料是复杂的.
- 目前的研究很大程度上依赖于广泛的文献审查,这耗时且昂贵.
- 需要计算方法来提高效率并降低实验费用.
研究的目的:
- 开发一个基于代理的检索增强生成 (RAG) 系统,与大型语言模型 (LLM) 集成.
- 为了自动提取和分析纳米结构材料的科学信息,特别是那些使用两光子聚合 (2PP) 制造的材料.
- 提高对纳米结构材料与细胞相互作用的理解,用于生物医学应用.
主要方法:
- 实施基于代理的RAG系统,由LLMs提供动力.
- 专注于通过2PP生产的纳米结构材料的文献数据库.
- 整合动态查询精细化机制以确保准确性.
- 重点是分析生物医学相关性的细胞物质相互作用.
主要成果:
- 该系统实现了高语义准确性 (共因相似度:0.82) 和任务精度 (0.81).
- 通过动态查询改进,显著减少了错误信息.
- 提供了一个直观的界面,可以快速访问相关的科学数据.
- 提高了研究人员在实验规划中的生产力和准确性.
结论:
- 开发的RAG-LLM系统有效地自动化了对纳米结构材料的科学信息检索和分析.
- 该系统有望提高生物医学等领域的研究效率和准确性.
- 建议进一步微调以解决特定领域的术语,并提高整体可靠性.
