A GPT-4 Reticular Chemist for Guiding MOF Discovery.
引導金屬有機骨架材料(MOF)探索的GPT-4網狀化學家。 Angew Chem Int Ed Engl 2023-11-07

GPT-4與人類合作，將人工智慧融入骨架化學實驗，透過指示與回饋的互動，共同發現新材料。這種合作展現了大型語言模型如GPT-4提升科學研究效率的潛力。 PubMed DOI

GPT-Assisted Learning of Structure-Property Relationships by Graph Neural Networks: Application to Rare-Earth-Doped Phosphors.
圖神經網絡輔助學習結構-性質關係：應用於稀土摻雜磷光體。 J Phys Chem Lett 2023-12-21

材料科學中，機器學習遇到數據集建立和描述符設計挑戰。圖神經網絡如CGCNN能處理幾何信息，不需經驗描述符。GPT-4可協助建立數據庫。研究中，GPT-4從文章中提取數據，CGCNN模型準確度達0.77。模型預測40,000種材料的發射波長，並進行遷移學習微調。這種流程減少人工監督，適用於各領域。 PubMed DOI

The Future of Molecular Studies through the Lens of Large Language Models.
大型語言模型視角下的分子研究未來。 J Chem Inf Model 2024-03-13

像GPT-4這樣的先進語言模型的發展正在改變分子研究領域。我們對GPT-4和GPT-3.5的比較顯示，GPT-4在分子優化的某些領域表現優異，但在處理複雜分子時卻遇到困難。我們建議未來的研究方向，以克服這些挑戰並增進分子科學的發展。 PubMed DOI

Extracting accurate materials data from research papers with conversational language models and prompt engineering.
使用對話式語言模型和提示工程從研究論文中提取準確的材料數據。 Nat Commun 2024-02-24

ChatExtract 方法提出了一種簡單有效的方式，利用對話式大型語言模型（LLMs）自動從研究論文中提取數據。透過設計好的提示應用於LLM，ChatExtract 能夠確保數據正確性，同時透過後續問題來辨識和提取數據。測試結果顯示，與GPT-4等對話式LLMs相比，ChatExtract 的精確度和召回率接近90%。這種方法利用了對話模型中的信息保留、冗餘性和引入不確定性，以提高準確性。ChatExtract 在各個領域中進行數據提取有著巨大的潛力，就像在建立金屬玻璃和高熵合金數據庫時所展示的那樣。 PubMed DOI

Can large language models replace humans in systematic reviews? Evaluating GPT-4's efficacy in screening and extracting data from peer-reviewed and grey literature in multiple languages.
大型語言模型能否取代人類進行系統性回顧？評估 GPT-4 在篩選和提取來自多種語言的同行評審和灰色文獻中的數據的效力。 Res Synth Methods 2024-03-14

系統性回顧很重要，但耗時。大型語言模型如GPT-4可加速，但與人類表現仍有差異。研究發現GPT-4在某些領域表現良好，但受機會和數據集影響。調整後表現下降，尤其在數據提取和篩選任務。給予提示後，在篩選文獻方面表現與人類相當。建議使用語言模型時謹慎，但在特定條件下可匹敵人類。 PubMed DOI

Evaluation of Open-Source Large Language Models for Metal-Organic Frameworks Research.
評估開源大型語言模型在金屬有機骨架研究中的應用。 J Chem Inf Model 2024-03-26

人工智慧工具如GPT-4在化學和材料研究中扮演重要角色。雖然GPT-4有進展，但科學界尚未廣泛使用大型語言模型。研究評估了六個開源的大型語言模型在金屬有機骨架（MOFs）研究中的表現，其中Llama2-7B和ChatGLM2-6B表現優異。高參數版本的模型表現更佳。 PubMed DOI

Generative Retrieval-Augmented Ontologic Graph and Multiagent Strategies for Interpretive Large Language Model-Based Materials Design.
生成檢索增強本體圖和多智能體策略用於解釋基於大型語言模型的材料設計。 ACS Eng Au 2024-04-22

Transformer神經網絡，特別是大型語言模型(LLMs)，在材料分析、設計和製造上很有效。它們能處理各種數據，支持工程分析，像MechGPT在材料力學領域表現出理解能力。檢索增強的本體知識圖表等策略可提高生成性能，解決困難。這些方法在材料設計探索中有優勢，並提供見解。非線性取樣和基於代理的建模增強生成能力，改進內容生成和評估。例如，問答、代碼生成和自動生成力場開發。 PubMed DOI

Large Language Model-Based AI Agent for Organic Semiconductor Devices Research.
基於大型語言模型的有機半導體器件研究人工智慧代理。 Adv Mater 2024-05-30

這個工作整合了GPT-4語言模型與機器學習演算法，建立了一個人工智慧代理人，專門應用於OFETs。透過分析科學文獻，提取實驗參數，建立了一個龐大的OFETs資料庫。透過機器學習模型評估設備性能，提出了優化方案，改善了DP-DTT OFETs的電荷傳輸性能。這項研究展示了語言模型在有機光電器件領域的應用，拓展了研究可能性。 PubMed DOI

Using GPT-4 to write a scientific review article: a pilot evaluation study.
使用 GPT-4 撰寫科學評論文章：一項初步評估研究。 BioData Min 2024-06-18

這項研究著重評估GPT-4在生物醫學評論論文中的文本、表格和圖表生成能力，並強調一致性和抄襲問題。提出了一些建議，以增強ChatGPT在科學領域的應用，包括改進文件處理、理解複雜的生物醫學概念、精確的表格生成，以及為科學圖表設計專用模型。 PubMed DOI

Solving Advanced Task-Specific Problems in Measurement Sciences with Generative AI.
利用生成式人工智慧解決測量科學中的高級任務特定問題。 Anal Chem 2024-07-17

ChatGPT-4是一個先進的AI模型，經過訓練後能夠產生有連貫上下文的文字。它可以回答問題，對材料科學、合成化學和藥物發現等領域有幫助。最近的研究中，ChatGPT-4成功解決了分析化學、光譜學、生物影像超分辨率和電化學等問題。儘管能夠自主完成一些任務，但較複雜的任務仍需要人類幫助。這個AI能夠生成MATLAB代碼，即使原作者未提供代碼。研究強調驗證和反饋的重要性，確保科學研究的正確性和透明度，尤其是在高級數據處理方面。 PubMed DOI

原始文章

站上相關主題文章列表