L^2M^3OF：用于金属有机框架（MOFs）的大型语言多模态模型
机器学习
2025-10-27 v1
摘要
大型语言模型已在 diverse natural language 任务中展现出惊人的推理能力，但在科学发现方面的突破仍相对有限，因为理解复杂物理现象需要远超语言的多模态表征。一个引人注目的例子是功能材料（如 MOFs）的设计——这类材料对于碳捕获和氢气储存等众多重要应用至关重要。仅用语言表征来导航其庞大而复杂的三维原子布局空间，因 coordination geometry 和 topology 的严格重塑规则而具有挑战性。尽管 LLM 辅助发现在较简单材料系统中取得了令人鼓舞的初步成果，但 MOFs 的设计仍严重依赖于罕见被文本信息编码的隐式人类专业知识。为克服这一障碍，我们提出 L2M3OF——首个针对 MOFs 的多模态大型语言模型。L2M3OF 将晶体表征学习与语言理解相结合，以处理结构、文本和知识三种模态。L2M3OF 使用预训练晶体编码器配以轻量级投影层，将结构信息压缩至 token 空间，从而实现与语言指令的高效对齐。为便于训练与评估，我们构建了晶体材料的 structure-property-knowledge 数据库，并将 L2M3OF 与 GPT-5、Gemini-2.5-Pro 和 DeepSeek-R1 等领先闭源 LLM 进行基准测试。实验表明，L2M3OF 在属性预测和知识生成任务中超越了领先的基于文本的闭源 LLM，尽管参数数量更少。这一结果凸显了多模态方法在 porous material 理解中的重要性，并将 L2M3OF 确立为下一代材料发现 AI 系统的基础。
引用
@article{arxiv.2510.20976,
title = {L^2M^3OF: A Large Language Multimodal Model for Metal-Organic Frameworks},
author = {Jiyu Cui and Fang Wu and Haokai Zhao and Minggao Feng and Xenophon Evangelopoulos and Andrew I. Cooper and Yejin Choi},
journal= {arXiv preprint arXiv:2510.20976},
year = {2025}
}
备注
18 pages, 7 figures