LLM 驱动的 2D 材料数据精准抽取、查询与智能管理
计算与语言
2025-11-27 v1 材料科学
数据库
摘要
二维 (2D) 材料因其独特的物性化学和电子性质而在能源储存和转换中展现了广泛的应用前景。然而，关于这些材料的有价值信息（如其性质和制备方法）大多包含在已发表的研究论文中。由于信息分散，如何高效提取和管理这些数据仍是挑战。本文提出一种基于大型语言模型的方法，通过自动化从论文中抽取 2D 材料的物理化学性质、制备工艺及其应用场景，构建结构化的数据库。我们设计了多阶段的抽取与查询框架，利用注意力机制和图神经网络对材料之间的关系进行建模，支持跨材料的属性推理和最佳组合推荐。实验结果表明，该方法在准确率和覆盖范围上均优于传统手工标注和规则抽取方法，为 2D 材料的高通量筛选和材料设计提供了可扩展的智能工具。
引用
@article{arxiv.2511.20691,
title = {LLMs-Powered Accurate Extraction, Querying and Intelligent Management of Literature derived 2D Materials Data},
author = {Lijun Shang and Yadong Yu and Wenqiang Kang and Jian Zhou and Dongyue Gao and Pan Xiang and Zhe Liu and Mengyan Dai and Zhonglu Guo and Zhimei Sun},
journal= {arXiv preprint arXiv:2511.20691},
year = {2025}
}
备注
100 pages (18 pages main text, 82 pages supplementary material), 5 figures. Supplementary material starts from page 19