大语言模型驱动的热电材料数据库
材料科学
2025-01-03 v1 数字图书馆
摘要
热电材料提供了一种将废热转化为电能的可持续方式。然而，由于缺乏可靠的数据库，数据驱动的热电材料发现与优化面临挑战。我们开发了一个包含 7,123 种热电化合物的综合数据库，其中包含关键信息，如化学成分、结构细节、塞贝克系数、电导率和热导率、功率因子以及品质因数 (ZT)。我们使用了由大语言模型 (LLM) 驱动的 GPTArticleExtractor 工作流，从 Elsevier 期刊发表的科学文献中自动提取和整理数据。这一过程创建了一个结构化数据库，解决了手动数据收集的难题。该开放获取数据库可促进数据驱动的研究，并推动热电材料分析与发现。
引用
@article{arxiv.2501.00564,
title = {Large Language Model-Driven Database for Thermoelectric Materials},
author = {Suman Itani and Yibo Zhang and Jiadong Zang},
journal= {arXiv preprint arXiv:2501.00564},
year = {2025}
}