使用 GPT-4V 在网状化学中进行图像与数据挖掘

人工智能与科学研究的整合已随着 GPT-4V 达到了新的顶峰，这是一种具有增强视觉能力的大型语言模型，可通过 ChatGPT 或 API 访问。本研究展示了 GPT-4V 在导航和获取金属有机框架复杂数据方面的卓越能力，尤其是从图形来源中获取。我们的方法包括一个自动化过程，将 346 篇学术文章转换为 6240 张图像，这代表了该任务中的基准数据集，随后部署 GPT-4V 使用自然语言提示对这些图像进行分类和分析。该方法使 GPT-4V 能够准确识别和解释 MOF 表征的关键图表，如氮气等温线、PXRD 图案和 TGA 曲线等，其准确率和召回率均在 93% 以上。该模型从这些图表中提取关键信息的能力不仅突出了其在数据挖掘方面的能力，也凸显了其在辅助创建网状化学综合数字数据库方面的潜力。此外，从选定文献中提取的氮气等温线数据允许对超过 200 种化合物的理论和实验孔隙率值进行比较，突出了某些差异，并强调了整合计算和实验数据的重要性。这项工作突出了人工智能在加速科学发现和创新方面的潜力，弥合了计算工具与实验研究之间的差距，并为更高效、包容和全面的科学探究铺平了道路。