详细内容或原文请订阅后点击阅览
AI模型通过预测和解释综合性
一个研究团队成功地开发了一项技术，该技术利用大型语言模型（LLMS）来预测新型材料的综合性并解释此类预测的基础。该团队由首尔国立大学的教授尤苏恩·荣格（Yousung Jung）领导，并与美国的福特汉姆大学合作进行。
来源:英国物理学家网首页一个研究团队成功地开发了一项技术，该技术利用大型语言模型（LLMS）来预测新型材料的综合性并解释此类预测的基础。该团队由首尔国立大学的教授尤苏恩·荣格（Yousung Jung）领导，并与美国的福特汉姆大学合作进行。
这项研究的发现有望通过提前降低合成性较低的材料候选物或优化先前具有挑战性的材料将材料滤出材料中，从而为新的材料设计过程做出了贡献。
这项研究与博士后研究员Seongmin Kim成为第一作者，于2024年7月11日发表在《美国化学学会杂志：美国化学学会杂志》中，并于2025年2月13日发表了Angewandte Chemie International Edition。
美国化学学会杂志在开发新型材料时，准确评估合成材料的可行性至关重要。如果材料设计无法充分说明综合性，则可能导致对未经验证的假设结构进行不必要的实验，从而导致研究资源和时间效率低下。这强调了需要精确合成性预测技术的需求。
然而，现有的预测方法仅限于评估材料的热力学稳定性，从而导致预测和实际实验合成成功率之间的准确性低和显着差异。尽管已经开发了用于解决此问题的机器学习模型，但他们主要集中于分类，而没有解释其预测背后的理由，因此缺乏解释性和可靠性。