一种基于大语言模型的材料科学文献知识重构方法技术

本发明专利技术涉及一种基于大语言模型的材料科学文献知识重构方法。目前的研究集中于从文献中提取特定的化学成分、合成细节或属性信息，这些信息较为零散，并不完整。提取合成程序的方法也缺乏灵活性和通用性，导致其应用和扩展性受到了限制。本发明专利技术以GPT‑4为代表的大语言模型在从文献中提取信息、理解和生成化学数据中表现出了卓越的能力，用于精确地提取材料文献中复杂的合成路线。该方法不仅能够提取无机材料中前驱体、原材料、合成方法、产物、合成步骤、合成条件的信息，还能全面反映合成过程的逻辑关系。最后，合成路线以结构化的JSON数据进行存储和利用，帮助研究人员获得有价值的信息和见解。

【技术实现步骤摘要】

本专利技术涉及科学文献信息提取，尤其涉及一种基于大语言模型的材料科学文献知识重构方法。

技术介绍

1、新材料的合成是推动科技进步的关键，为经济增长和社会进步奠定了基础。然而，材料的合成面临着巨大的挑战。材料科学的复杂性要求研究人员必须具备丰富的物理和化学基础知识，并熟练掌握先进的实验和计算方法。此外，材料在合成过程中经常会遇到各种环境和操作因素，如温度、压力和化学环境。这些因素会对材料的合成以及性能产生错综复杂的影响，从而使研究工作复杂化。随着材料成分和微观结构复杂性的增加，传统的材料发现方法，包括实验试错法和理论计算方法，如密度泛函理论、分子动力学和蒙特卡洛模拟，在开发成本、效率和时间方面日益显示出局限性。

2、近年来，数据驱动的人工智能发展迅速，并开始在广泛领域发挥不可或缺的作用。人工智能技术在材料开发和设计方面的优势也日益凸显，机器学习技术已被广泛应用于锂电池、化学反应、材料设计领域的开发。机器学习模型的训练依赖于大量可靠和规范化的科学数据，这些数据来自现有数据库、研究人员的实验和计算结果以及其他研究人员发表的科学文献。其中，科学文献通常本文档来自技高网...

【技术保护点】

1.一种基于大语言模型的化学科学文献知识重构方法，其特征在于，包括如下步骤:

2.根据权利要求1所述方法，其特征在于，所述(1)具体为：

3.根据权利要求1所述方法，其特征在于，所述(2)具体为：

4.根据权利要求1所述方法，其特征在于，所述(3)具体为：

5.根据权利要求1所述方法，其特征在于，所述(4)具体包含设定角色、明确目标、段落输入和输出模版四个部分：

6.根据权利要求1所述方法，其特征在于：

7.根据权利要求1所述方法，其特征在于，所述(5)具体为：

8.根据权利要求1所述方法，其特征在于，所...

【技术特征摘要】

1.一种基于大语言模型的化学科学文献知识重构方法，其特征在于，包括如下步骤:

2.根据权利要求1所述方法，其特征在于，所述(1)具体为：

3.根据权利要求1所述方法，其特征在于，所述(2)具体为：

4.根据权利要求1所述方法，其特征在于，所述(3)具体为：

5.根据权利要求1所述方法，其特征在于，所述(4)具体包含设定角色、明确...

【专利技术属性】
技术研发人员：孙少瑞，李舒远，韦士豪，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：