LitMOF：用于文献验证的大语言模型多智能体金属有机框架数据库校正与扩张
数据库
2026-04-06 v2 材料科学
摘要
金属有机框架（MOF）数据库通过实验沉积和大规模文献抽取不断增长，但最近的分析显示，其条目近半包含 substantial 结构性错误。这些不准确会通过高通量筛选和机器学习工作流程传播，限制了数据驱动 MOF 发现的可靠性。纠正此类错误极其困难，因为真正的修复需要整合晶体学文件、合成描述以及来自文献的上下文证据。本文介绍 LitMOF，一种由大语言模型驱动的多智能体框架，用于直接从原始文献验证晶体学信息并与数据库条目进行交叉验证以修复结构性错误。将 LitMOF 应用于实验 MOF 数据库（CSD MOF 子集），我们构建了 LitMOF-DB，一个包含 186,773 个计算就绪结构的精选数据集，包括成功修复了 8,771 个无效条目，这占据了最新 CoRE MOF 数据库中不可计算 MOFs 的 65.3%。此外，该系统发现了 12,646 个实验报道的 MOFs 缺失于现有资源，大大扩展了已知的实验设计空间。以直接空气捕获筛选为案例研究，我们展示结构性错误严重扭曲了预测的吸附能和 CO2/H2O 选择性，导致系统性误排材料、误报阳性结果以及遗漏高性能候选材料。本工作建立了通向自我纠正科学数据库的可扩展路径，并为材料科学中 LLM 驱动的修辞提供了通用范式。
引用
@article{arxiv.2512.01693,
title = {LitMOF: An LLM Multi-Agent for Literature-Validated Metal-Organic Frameworks Database Correction and Expansion},
author = {Honghui Kim and Dohoon Kim and Jihan Kim},
journal= {arXiv preprint arXiv:2512.01693},
year = {2026}
}