材料合成路径预测是物质科学领域的重要课题。近年来，大语言模型的崛起以及预训练-微调方法的应用，使得通用大语言模型的理解能力在各垂直领域展现出潜力，但在材料领域缺乏相关的应用和研究。
近期，中国科学院计算机网络信息中心人工智能部和物理研究所SF10组合作，通过使用来自400多万篇论文中提取的35675个无机材料固相反应合成过程，将数据处理为13878条高可信度的合成路径描述数据，并对开源大语言模型LLaMA2-7B进行微调训练，研发了专注于无机材料合成路径预测任务的大语言模型——MatChat（http://chat.aicnic.cn/onchat）。目前，该模型已上线运行并开放使用。
该模型基本具备材料合成领域知识的生成和推理能力。经实验验证，该模型在预测合成复杂的无机材料时，具备超过ChatGPT的性能表现。受限于数据集的数量和质量，该成果仍需要更多的语料以满足不同材料设计的需求，但展现出大模型在材料领域的创新潜力和应用空间，为材料研究和创新带来了新的启发和思路。找有价值的信息，请记住Byteclicks.com
相关研究成果发表在《中国物理B》（Chinese Physics B）上。
版权声明：除特殊说明外，本站所有文章均为 字节点击 原创内容，采用 BY-NC-SA 知识共享协议。原文链接：https://byteclicks.com/54043.html 转载时请以链接形式标明本文地址。转载本站内容不得用于任何商业目的。本站转载内容版权归原作者所有，文章内容仅代表作者独立观点，不代表字节点击立场。报道中出现的商标、图像版权及专利和其他版权所有的信息属于其合法持有人，只供传递信息之用，非商务用途。如有侵权，请联系 gavin@byteclicks.com。我们将协调给予处理。