Polymetis：面向多材料领域的大语言建模
人工智能
2024-11-14 v1
摘要
随着大语言模型在各领域的应用持续拓展，材料科学也迎来了 AI 驱动创新的机遇。传统依赖人工检索材料科学相关信息的方式，正借助人工智能技术作为辅助工具，提升材料科学研究效率。为加速研究者在材料科学研究中的知识获取与智能决策支持，本文提出面向多材料领域的大语言模型 Polymetis，旨在提供材料领域的高度专业知识问答，覆盖能源材料、功能材料、合金材料、物理化学、生物等材料方向。该模型采用约 200 万条材料知识指令数据集，在数据集构建过程中，我们开发了智能抽取大模型（IELM），专门用于从科学文本中抽取并形成结构化知识，避免了大量人工标注成本，提高了效率。我们将这些数据注入 GLM4-9B 模型进行学习，以增强其在多材料领域的推理能力。此外，我们引入了增强提示策略，确保模型回答更加条理清晰、内容全面，为材料科学探索的多样化需求提供高效全面的智能支持，推动材料科学发展。
引用
@article{arxiv.2411.08728,
title = {Polymetis:Large Language Modeling for Multiple Material Domains},
author = {Chao Huang and Huichen Xiao and Chen Chen and Chunyan Chen and Yi Zhao and Shiyu Du and Yiming Zhang and He Sha and Ruixin Gu},
journal= {arXiv preprint arXiv:2411.08728},
year = {2024}
}