基于目标驱动和约束导引的 LLM 代理用于材料发现与设计的假设生成

材料发现与设计是推动各行业技术进步的关键，使开发面向特定应用的材料成为可能。近期研究利用大语言模型 (LLM) 加速了这一过程。我们探讨了 LLM 生成可行假设的潜力，这些假设经验证后可加速材料发现。我们与材料科学专家合作，构建了一个新型数据集，来自近期期刊出版物，包含实际的目标、约束和方法，用于设计实际应用。使用该数据集，我们测试了基于 LLM 的代理，这些代理在特定约束下生成实现给定目标的假设。为评估这些假设的相关性和质量，我们提出了一种新型可扩展评估指标，模拟材料科学家对假设进行批判性评估的过程。我们精选的数据集、提出的方法和评估框架旨在推动未来研究，以加速 LLM 驱动的材料发现与设计。