LLMatDesign：利用大语言模型进行自主材料发现
材料科学
2024-06-21 v1 人工智能
计算与语言
摘要
发现新材料可能具有重大的科学和技术意义，但由于化学空间的巨大性，至今仍是一个具有挑战性的问题。机器学习的最新进展使得数据驱动方法能够快速筛选或生成有前景的材料，但这些方法仍然严重依赖于大量的训练数据，并且常常缺乏材料发现中所需的灵活性和化学理解。我们引入了LLMatDesign，一个新颖的、基于语言的可解释材料设计框架，由大语言模型（LLMs）驱动。LLMatDesign利用LLM智能体来翻译人类指令，对材料进行修改，并使用提供的工具评估结果。通过对其先前决策进行自我反思，LLMatDesign能够以零样本方式快速适应新任务和条件。对LLMatDesign在几个材料设计任务上的系统评估（计算机模拟）验证了LLMatDesign在小数据量下开发具有用户定义目标特性的新材料的有效性。我们的框架展示了自主的LLM引导材料发现在计算环境中的巨大潜力，并为未来的自驱动实验室铺平了道路。
引用
@article{arxiv.2406.13163,
title = {LLMatDesign: Autonomous Materials Discovery with Large Language Models},
author = {Shuyi Jia and Chao Zhang and Victor Fung},
journal= {arXiv preprint arXiv:2406.13163},
year = {2024}
}