ChatGPT 模型有潛力革新回答複雜問題的方式，但在化學領域的應用仍然很新穎。這個觀點探討了 ChatGPT 在化學領域的理解程度，透過在該科目各個領域進行五個簡單任務的測試。 PubMed DOI

研究指出，透過提示工程引導 ChatGPT 從科學文獻中找出金屬有機骨架（MOF）的合成條件，解決虛假資訊問題。系統成功提取合成參數，精確度高，並使用機器學習模型預測 MOF 實驗結果準確率超過 87%。這方法簡化了化學數據提取整理，不需專業知識，潛力廣泛。 PubMed DOI

ChatGPT是一個進階的聊天機器人，利用OpenAI語言模型，代表著人工智慧的新時代。一項研究使用GPT-4協助開發抗古柯鹼成癮的藥物，顯示了ChatGPT在藥物研發上的創新應用。這項研究改變了藥物開發方式，強調了人類專業知識與人工智慧的合作，並提倡以AI為動力的聊天機器人作為創新治療的先驅。 PubMed DOI

ChatGPT 研究小組在化學實驗室中運用多個 AI 助手，加速研究，改善像 MOF-321、MOF-322 和 COF-323 這樣的材料的合成條件。人類研究人員與 AI 合作，包括計劃、文獻檢索、編碼和數據分析等任務。這系統減少偏見，優化合成參數，提高生產力，顯示 AI 革新科學研究的潛力。 PubMed DOI

研究人員致力於設計智慧材料，利用新模型和策略。工具和技術進步，如人工智慧和機器學習，提升材料設計。ChatGPT在材料科學和任務上有潛力，雖可能出錯，但透過互動學習改進。仍需注意輸出一致性、隱藏錯誤和道德問題。 PubMed DOI

這篇論文研究了ChatGPT在預測分子性質的表現，特別關注了提示設置、對53個端點的全面評估，以及與專門模型的比較。研究結果指出，在適當的提示下，ChatGPT表現不錯，但提示設置和示例質量會影響預測結果。論文討論了ChatGPT在預測分子性質方面的潛力和限制，並提出了對未來科學領域中大型語言模型發展的建議。 PubMed DOI

自然語言處理和大型語言模型（如GPT）的進步為各個領域的研究開辟了新的可能性。在催化研究中，像ChatGPT這樣由GPT驅動的模型可以加速對催化過程的理解。科學家可以利用ChatGPT獲取洞察力，並開發創新方法來改善催化劑，就像在氧氣進化反應中一樣。 PubMed DOI

ChatMOF是一個使用先進語言模型來根據文字輸入預測和生成金屬有機骨架（MOFs）的人工智慧系統。它由三個核心組件組成，在各種任務中實現高準確率。該系統展示了將大型語言模型與數據庫和機器學習結合在材料科學中實現未來進步的潛力。 PubMed DOI

這項研究探討了使用調校過的大型語言模型（LLMs）進行複雜化學文本挖掘任務，並在各種任務中取得了令人印象深刻的表現，僅需少量標註數據。調校過的ChatGPT模型表現優異，超越其他LLMs，展示了它們在化學知識提取的自動化數據獲取方面的潛力。 PubMed DOI

小分子的設計對於藥物發現和能源儲存等技術應用非常重要。隨著合成化學的發展，科學界開始利用數據驅動和機器學習方法來探索設計空間。雖然生成式機器學習在分子設計上有潛力，但訓練過程複雜，且生成有效分子不易。研究顯示，預訓練的大型語言模型（LLMs）如Claude 3 Opus能根據自然語言指示創建和修改分子，達到97%的有效生成率。這些發現顯示LLMs在分子設計上具備強大潛力。 PubMed DOI