已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Large Language Models as Master Key: Unlocking the Secrets of Materials Science with GPT

计算机科学 互操作性 任务(项目管理) 推论 数据科学 领域(数学) 领域特定语言 钥匙(锁) 人工智能 软件工程 万维网 系统工程 工程类 数学 计算机安全 纯数学
作者
Ting Xie,Yuqing Wan,Wei Huang,Yufei Zhou,Yixuan Liu,Qingyuan Linghu,Shaozhou Wang,Chunyu Kit,Clara Grazian,Bram Hoex
出处
期刊:Cornell University - arXiv 被引量:1
标识
DOI:10.48550/arxiv.2304.02213
摘要

The amount of data has growing significance in exploring cutting-edge materials and a number of datasets have been generated either by hand or automated approaches. However, the materials science field struggles to effectively utilize the abundance of data, especially in applied disciplines where materials are evaluated based on device performance rather than their properties. This article presents a new natural language processing (NLP) task called structured information inference (SII) to address the complexities of information extraction at the device level in materials science. We accomplished this task by tuning GPT-3 on an existing perovskite solar cell FAIR (Findable, Accessible, Interoperable, Reusable) dataset with 91.8% F1-score and extended the dataset with data published since its release. The produced data is formatted and normalized, enabling its direct utilization as input in subsequent data analysis. This feature empowers materials scientists to develop models by selecting high-quality review articles within their domain. Additionally, we designed experiments to predict the electrical performance of solar cells and design materials or devices with targeted parameters using large language models (LLMs). Our results demonstrate comparable performance to traditional machine learning methods without feature selection, highlighting the potential of LLMs to acquire scientific knowledge and design new materials akin to materials scientists.

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
Lex发布了新的文献求助10
1秒前
1秒前
lina发布了新的文献求助10
5秒前
zp完成签到,获得积分10
9秒前
pluto应助Sencetich采纳,获得10
9秒前
11秒前
1257应助Chaos采纳,获得10
11秒前
11秒前
sly发布了新的文献求助10
11秒前
12秒前
veblem发布了新的文献求助10
13秒前
NexusExplorer应助zz0429采纳,获得10
13秒前
彭于晏应助三井M采纳,获得10
16秒前
18秒前
shjyang完成签到,获得积分0
20秒前
20秒前
22秒前
shhoing应助李小怂采纳,获得10
24秒前
c138zyx发布了新的文献求助10
24秒前
研友_842mrn发布了新的文献求助10
28秒前
庾稀完成签到,获得积分10
28秒前
29秒前
30秒前
34秒前
渣155136发布了新的文献求助10
35秒前
王满意完成签到,获得积分10
35秒前
35秒前
科研通AI2S应助yy采纳,获得10
37秒前
Nemo完成签到,获得积分10
39秒前
NexusExplorer应助灵巧的刺猬采纳,获得10
41秒前
香蕉觅云应助jjjjj采纳,获得10
45秒前
shuqing完成签到,获得积分10
45秒前
47秒前
waresi发布了新的文献求助10
48秒前
Zima_a发布了新的文献求助10
48秒前
领导范儿应助RH采纳,获得10
48秒前
扶桑完成签到,获得积分10
49秒前
qi完成签到 ,获得积分10
50秒前
着急的绿蝶完成签到,获得积分20
54秒前
高分求助中
Impact of Mitophagy-Related Genes on the Diagnosis and Development of Esophageal Squamous Cell Carcinoma via Single-Cell RNA-seq Analysis and Machine Learning Algorithms 2000
Evolution 1100
How to Create Beauty: De Lairesse on the Theory and Practice of Making Art 1000
Gerard de Lairesse : an artist between stage and studio 670
CLSI EP47 Evaluation of Reagent Carryover Effects on Test Results, 1st Edition 550
Sport, Music, Identities 500
T/CAB 0344-2024 重组人源化胶原蛋白内毒素去除方法 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 2984297
求助须知:如何正确求助?哪些是违规求助? 2645419
关于积分的说明 7142349
捐赠科研通 2278774
什么是DOI,文献DOI怎么找? 1208985
版权声明 592199
科研通“疑难数据库(出版商)”最低求助积分说明 590560