通过大规模合成数据集和专家级LLM-as-a-Judge实现完全自动化的材料发现
计算与语言
2025-03-20 v4
摘要
材料合成对于能源存储、催化、电子和生物医学设备等创新至关重要。然而，该过程严重依赖由专家直觉引导的经验性试错方法。我们的工作旨在通过提供实用的、数据驱动的资源来支持材料科学界。我们整理了一个包含17K条专家验证的合成配方的全面数据集，这构成了我们新开发的基准AlchemyBench的基础。AlchemyBench提供了一个端到端框架，支持将大语言模型应用于合成预测的研究。它涵盖了关键任务，包括原材料和设备预测、合成过程生成以及表征结果预测。我们提出了一个LLM-as-a-Judge框架，利用大语言模型进行自动化评估，展示了与专家评估之间强大的统计一致性。总体而言，我们的贡献为探索大语言模型在预测和指导材料合成方面的能力提供了支持性基础，最终为更高效的实验设计和材料科学中的加速创新铺平道路。
引用
@article{arxiv.2502.16457,
title = {Towards Fully-Automated Materials Discovery via Large-Scale Synthesis Dataset and Expert-Level LLM-as-a-Judge},
author = {Heegyu Kim and Taeyang Jeon and Seungtaek Choi and Ji Hoon Hong and Dong Won Jeon and Ga-Yeon Baek and Gyeong-Won Kwak and Dong-Hee Lee and Jisu Bae and Chihoon Lee and Yunseo Kim and Seon-Jin Choi and Jin-Seong Park and Sung Beom Cho and Hyunsouk Cho},
journal= {arXiv preprint arXiv:2502.16457},
year = {2025}
}
备注
under review