英国雷丁大学研究团队开发了CrystaLLM,一种基于自回归大型语言模型的晶体结构生成方法。该模型通过数百万个晶体学信息文件(CIF)训练,能够为未见过的无机化合物生成合理的晶体结构,突破了传统高计算成本的限制,展示了机器学习在材料科学中的潜力,未来可用于材料发现和物理性质预测。
本文介绍了一种自动提取无机化合物实验合成信息的系统,评估了无监督和有监督模型的效果。通过多模态模型结合图形和自然语言,提升了分子知识的提取能力。研究展示了大型语言模型在材料属性预测和信息提取中的应用,强调了其在材料科学中的潜力与挑战。LLaMP框架能够动态整合材料科学数据,推动未来自主实验室的发展。
完成下面两步后,将自动完成登录并继续当前操作。