利用 XAI 与大语言模型提取化学中人类可解释的结构-性质关系
化学物理
2023-11-08 v1 机器学习
摘要
可解释人工智能（XAI）是 AI 中一个新兴领域，旨在解决机器学习模型的不透明性。此外，已有研究表明 XAI 可用于提取输入-输出关系，使其成为化学中理解结构-性质关系的有用工具。然而，XAI 方法的主要局限之一在于其为面向技术用户的开发者所设计。我们提出 XpertAI 框架，该框架将 XAI 方法与可访问科学文献的大语言模型（LLMs）相集成，以自动生成对原始化学数据的易懂自然语言解释。我们进行了 5 个案例研究来评估 XpertAI 的性能。我们的结果表明，XpertAI 结合了 LLMs 与 XAI 工具的优势，生成具体、科学且可解释的解释。
引用
@article{arxiv.2311.04047,
title = {Extracting human interpretable structure-property relationships in chemistry using XAI and large language models},
author = {Geemi P. Wellawatte and Philippe Schwaller},
journal= {arXiv preprint arXiv:2311.04047},
year = {2023}
}