基于LLM的AI代理自动提取材料性质

材料的快速发现受到缺乏大规模、可机器读取的数据集的制约，这些数据集需将性能指标与结构上下文相耦合。现有数据库要么规模较小、人工整理，要么偏向第一性原理结果，导致实验文献未被充分利用。我们提出了一种基于大语言模型（LLM）的智能体驱动工作流程，可自主地从约10,000篇全文科学论文中提取热电与结构性质。该流水线整合动态令牌分配、零样本多智能体提取和条件表格解析，以在准确性与计算成本之间取得平衡。在50篇精选论文上的基准测试表明，GPT-4.1取得了最高准确率（热电性质F1=0.91，结构字段F1=0.82），而GPT-4.1 Mini以极低的成本实现了接近可比的性能（F1分别为0.89和0.81），使得大规模实际部署成为可能。应用该工作流程，我们整理了27,822条温度分辨的性质记录，并统一了单位，涵盖优值(ZT)、塞贝克系数、电导率、电阻率、功率因子和热导率，以及晶体类别、空间群和掺杂策略等结构属性。数据集分析重现了已知的热电趋势，如合金优于氧化物和p型掺杂的优势，同时也揭示了更广泛的结构-性质关联。为方便社区访问，我们发布了一个具有语义筛选、数值查询和CSV导出功能的交互式网络探索器。本研究提供了迄今为止最大规模的LLM整理热电数据集，提供了一个可复现且已评估计算成本的提取流水线，并为超越热电领域的可扩展、数据驱动的材料发现奠定了基础。