結合語言模型與物理模擬的無機材料合成新方法

研究論文提出一個新穎的混合框架，旨在結合大型語言模型（LLMs）與物理基於模擬來解決無機材料的合成規劃挑戰。現代生成式機器學習模型能提出具有目標性質的新型無機結晶材料，但由於相關物理過程的複雜性和計算工具的有限可用性，合成規劃仍然困難。為此，研究人員開發了一個混合評估框架，將熱力學數據庫與簡化的動力學模型相結合，以近似真實合成條件。作為案例研究，他們聚焦於鈮-氧系統，該系統具有多個工業相關的氧化物相，數據特徵良好。在計算模擬中，比較了LLM生成的合成路線與傳統路徑規劃算法，結果顯示LLM的隱含先驗能產生更可行的策略。在評估設置中，傳統搜索方法主要作為對照，這突顯了問題的相對複雜性，並強調了LLM隱含先驗所帶來的價值。這項研究展示了語言模型在材料科學領域的潛在應用，為未來合成規劃提供新方向。