本研究提出了一种利用大型语言模型（LLMs）预测无机晶体材料合成路径的框架，通过优化合成数据库，合成预测准确性从40%提升至90%。LLMs在量子材料发现中展现出巨大潜力。

光电设备性能依赖于材料的光学特性。传统实验技术在高通量筛选中有限，因此研究人员使用密度泛函理论（DFT）计算。日本东北大学和麻省理工学院开发了GNNOpt工具，利用人工智能从晶体结构预测光学光谱，筛选出246种太阳能材料和296种量子材料，加速材料科学研究。