蒙特卡洛思维搜索：面向催化剂设计中复杂科学推理的大语言模型查询
人工智能
2023-11-07 v1
摘要
发现新型催化剂需要涉及多种化学性质及其权衡的复杂推理，导致搜索空间组合式增长。尽管大语言模型（LLM）已通过复杂指令遵循能力与高质量推理展现出化学方面的新能力，但基于目标驱动的使用LLM的组合搜索尚未被详细探索。本工作中，我们提出一种基于蒙特卡洛树搜索的方法，超越最先进的思维链提示变体以增强科学推理。我们引入两个新推理数据集：1）计算化学模拟的整理集，2）由催化研究者撰写的关于新型化学转化过程推理的多样问题。我们相较最佳基线提升25.8%，并发现我们的方法能以新颖见解增强科学家的推理与发现过程。
引用
@article{arxiv.2310.14420,
title = {Monte Carlo Thought Search: Large Language Model Querying for Complex Scientific Reasoning in Catalyst Design},
author = {Henry W. Sprueill and Carl Edwards and Mariefel V. Olarte and Udishnu Sanyal and Heng Ji and Sutanay Choudhury},
journal= {arXiv preprint arXiv:2310.14420},
year = {2023}
}