开发新材料需要大量的时间和劳动力，但一些化学家现在希望人工智能(AI)有朝一日能够承担大部分这一负担。在《美国化学会杂志》的一项新研究中，一个团队促使流行的人工智能模型ChatGPT执行一项特别耗时的任务：搜索科学文献。利用这些数据，他们构建了第二个工具，一个预测实验结果的模型。

以前的研究报告提供了化学家所需的大量信息，但查找和解析最相关的细节可能很费力。例如，那些对设计高孔隙度、结晶金属有机框架(MOF)感兴趣的人(MOF在清洁能源等领域具有潜在的应用)必须整理数百篇描述各种实验条件的科学论文。

研究人员此前曾试图诱使人工智能接管这项任务;然而，他们使用的语言处理模型需要大量的技术专业知识，将它们应用到新的主题意味着改变程序。OmarYaghi和同事希望了解包括ChatGPT在内的下一代语言模型是否可以提供一种更易于访问、更灵活的信息提取方式。

为了分析科学论文中的文本，该团队给出了ChatGPT提示或说明，引导其完成三个过程，旨在识别和总结手稿中包含的实验信息。研究人员精心构建了这些提示，以尽量减少模型做出反应的倾向(一种称为幻觉的现象)，并确保尽可能做出最佳反应。

当对228篇描述MOF合成的论文进行测试时，该系统提取了26,000多个与制造大约800种此类化合物相关的因素。利用这些数据，该团队训练了一个单独的人工智能模型，以根据这些条件预测MOF的晶态。

最后，为了使数据更加用户友好，他们构建了一个聊天机器人来回答有关数据的问题。该团队指出，与之前基于人工智能的工作不同，这一工作不需要编码方面的专业知识。更重要的是，科学家只需调整提示中的叙述语言即可转移焦点。研究人员称，这个新系统被他们称为“ChatGPT化学助手”，也可用于其他化学领域。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：