Assessment of Fine-Tuned Large Language Models for Real-World Chemistry and Material Science Applications

计算机科学 纳米技术 生化工程 化学 材料科学 工程类
作者
Joren Van Herck,M.V. Gil,Kevin Maik Jablonka,Alex Abrudan,Andy S. Anker,Mehrdad Asgari,Ben Blaiszik,Antonio Buffo,Leander Choudhury,Clémence Corminbœuf,Hilal Daglar,Amir Mohammad Elahi,Ian Foster,Susana García,Matthew Garvin,Guillaume Godin,Lydia L. Good,Jianan Gu,N.‐X. Hu,Xin Jin,Tanja Junkers,Seda Keskın,Tuomas P. J. Knowles,Rubén Laplaza,Michele Lessona,Sauradeep Majumdar,Hossein Mashhadimoslem,Ruaraidh D. McIntosh,Seyed Mohamad Moosavi,Beatriz Mouriño,Francesca Nerli,C. Pevida,Neda Poudineh,Mahyar Rajabi Kochi,Kadi-Liis Saar,Fahimeh Hooriabad Saboor,Morteza Sagharichiha,K. J. Schmidt,Jiale Shi,Elena Simone,Dennis Svatunek,Marco Taddei,Igor V. Tetko,D. Tolnai,Sahar Vahdatifar,Jonathan K. Whitmer,D.C. Florian Wieland,Regine Willumeit‐Römer,Andreas Züttel,Berend Smit
出处
期刊:Chemical Science [The Royal Society of Chemistry]
标识
DOI:10.1039/d4sc04401k
摘要

The current generation of large language models (LLMs) have limited chemical knowledge. Recently, it has been shown that these LLMs can learn and predict chemical properties through fine-tuning. Using natural...
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
luobo完成签到,获得积分10
1秒前
3秒前
4秒前
5秒前
6秒前
chaojia_niu完成签到,获得积分10
7秒前
爱跑路的小徐关注了科研通微信公众号
7秒前
star发布了新的文献求助20
8秒前
852发布了新的文献求助20
11秒前
所所应助科研通管家采纳,获得10
11秒前
11秒前
伍德发布了新的文献求助10
11秒前
科研通AI2S应助科研通管家采纳,获得10
11秒前
上官若男应助科研通管家采纳,获得10
11秒前
赘婿应助科研通管家采纳,获得10
11秒前
深情安青应助科研通管家采纳,获得10
11秒前
abc应助科研通管家采纳,获得10
11秒前
小蘑菇应助科研通管家采纳,获得10
11秒前
Lucas应助科研通管家采纳,获得10
11秒前
爆米花应助科研通管家采纳,获得10
11秒前
乐乐应助科研通管家采纳,获得10
11秒前
SciGPT应助科研通管家采纳,获得10
11秒前
11秒前
11秒前
11秒前
11秒前
12秒前
想退休了完成签到 ,获得积分10
12秒前
lalala应助huco采纳,获得20
12秒前
科研通AI2S应助柠檬采纳,获得10
13秒前
hyper_zhou发布了新的文献求助10
14秒前
15秒前
16秒前
FashionBoy应助小颖子采纳,获得10
20秒前
多金完成签到,获得积分10
21秒前
22秒前
戈天奇完成签到,获得积分20
23秒前
Lucas应助waa采纳,获得10
23秒前
糖糖发布了新的文献求助10
25秒前
高分求助中
The Oxford Handbook of Social Cognition (Second Edition, 2024) 1050
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3140881
求助须知:如何正确求助?哪些是违规求助? 2791855
关于积分的说明 7800523
捐赠科研通 2448091
什么是DOI,文献DOI怎么找? 1302393
科研通“疑难数据库(出版商)”最低求助积分说明 626548
版权声明 601210