Information extraction of UV-NIR spectral data in waste water based on Large Language Model.
基於大型語言模型的廢水中UV-NIR光譜數據信息提取。 Spectrochim Acta A Mol Biomol Spectrosc 2024-05-21

機器學習進步，UV-NIR光譜分析更有效。傳統方法繁瑣，大型語言模型（LLMs）可簡化且節省時間。研究利用UV-NIR預測水樣COD濃度，LLM表現優異，R2值為0.931，RMSE值為10.966。LLM展現潛力，比傳統方法更為簡便。 PubMed DOI

Automation and machine learning augmented by large language models in a catalysis study.
催化研究中自動化與機器學習輔助的大型語言模型。 Chem Sci 2024-08-09

最近，人工智慧和自動化的進展正在徹底改變催化劑的發現與設計，從傳統的試錯方法轉向更高效的高通量數位方法。這一變化主要受到高通量信息提取、自動化實驗、實時反饋和可解釋機器學習的驅動，促成了自駕實驗室的誕生，加速了材料研究的進程。近兩年，大型語言模型的興起也為這個領域帶來了更大的靈活性，改變了催化劑設計的方式，標誌著學科的革命性轉變。 PubMed DOI

Integrating vision-based AI and large language models for real-time water pollution surveillance.
整合基於視覺的人工智慧與大型語言模型進行即時水污染監測。 Water Environ Res 2024-08-12

水污染是全球性問題，影響超過20億人。根據聯合國教科文組織的報導，水污染可由自然現象或人類活動引起。為了解決這個問題，開發了一套即時視覺監控系統，結合攝影機、Raspberry Pi和大型語言模型（LLMs），能檢測七種主要污染物，如藻華、油污等。透過YOLOv5模型，系統能自主識別污染物並提供相關資訊，並即時警報當地當局，促進快速反應。這種創新方法對環境健康教育及水污染治理具有重要意義。 PubMed DOI

Mitigating Grand Challenges in Life Cycle Inventory Modeling through the Applications of Large Language Models.
透過大型語言模型應用來緩解生命週期清單建模中的重大挑戰。 Environ Sci Technol 2024-10-21

生命週期評估（LCA）在清單建模上常遇挑戰，特別是前景流數據不足及背景數據不一致。傳統方法如過程模擬和機器學習在可擴展性和通用性上表現不佳。大型語言模型（LLMs）有潛力解決這些問題，因為它們能利用廣泛的預訓練知識。將LLMs整合進LCI建模中，可以自動化整理數據並提升分析能力。本文探討LLMs如何應對挑戰，並建議未來研究方向，包括改善檢索增強生成（RAG）、整合知識圖譜及微調LLMs以適應LCI任務，期望能促進更自動化的LCI建模方法，提升LCA計算的數據品質。 PubMed DOI

LLMs and generative agent-based models for complex systems research.
複雜系統研究中的大型語言模型與生成式代理基模型。 Phys Life Rev 2024-11-01

這篇論文探討大型語言模型（LLMs）對自然科學和社會科學的影響，特別是透過生成代理模型（GABMs）模擬人類行為。研究涵蓋網絡科學、演化博弈論等領域，顯示LLMs能預測社會行為、增強合作及模擬疾病傳播。雖然LLMs能模仿公平性和合作，但仍面臨提示敏感性和幻覺等挑戰，影響行為一致性。未來研究應聚焦於完善模型、標準化方法，並探討LLMs與人類互動可能帶來的新合作行為，重塑決策過程。 PubMed DOI

Utilizing large language models for identifying future research opportunities in environmental science.
利用大型語言模型識別環境科學未來研究機會。 J Environ Manage 2024-12-14

這項研究強調環境科學中創新研究方法的必要性，以應對氣候變遷和生物多樣性喪失等全球挑戰。由於現有文獻的複雜性，識別有意義的研究主題變得困難。傳統文獻計量學無法捕捉新興跨學科領域，但人工智慧（AI）和大型語言模型（LLMs）的進步提供了新機會。研究發現，GPT-3.5在分析環境科學前沿主題上表現更佳，顯示跨學科研究、AI和大數據對解決環境挑戰的重要性。LLMs可成為研究人員的寶貴工具，提供未來研究方向的靈感。 PubMed DOI

A review of large language models and autonomous agents in chemistry.
化學領域大型語言模型與自主代理的綜述。 Chem Sci 2025-01-20

大型語言模型（LLMs）在化學領域越來越重要，能協助分子設計、性質預測和合成優化。這篇綜述探討了LLMs的能力及其自動化對科學發現的影響，還提到基於LLM的自主代理，能執行文獻擷取和與自動化實驗室互動等任務。文章也涵蓋了這些代理在其他科學領域的應用，並檢視其最新發展與挑戰，如數據質量和模型可解釋性。未來建議發展更先進的多模態代理，並改善與實驗方法的合作。欲了解更多，可參 PubMed DOI

Large language models: Tools for new environmental decision-making.
大型語言模型：新環境決策的工具。 J Environ Manage 2025-02-02

這項研究首次探討大型語言模型（LLMs）在環境決策中的應用，分析其潛在優勢與限制。研究提出兩個框架：一是LLMs輔助的框架，增強人類專業知識；二是LLMs驅動的框架，自動化優化任務。透過水工程中PFAS控制的案例，顯示這兩個框架在環境決策中的優化效果。結果顯示，LLMs輔助框架在調節流量和改善PFAS攔截上表現良好，而LLMs驅動框架在複雜參數優化上則面臨挑戰。研究強調人工智慧應輔助而非取代人類專業知識，為未來的合作奠定基礎。 PubMed DOI

Large language model for knowledge synthesis and AI-enhanced biomanufacturing.
知識綜合與 AI 增強生物製造的大型語言模型。 Trends Biotechnol 2025-03-06

這篇評論強調大型語言模型（LLMs）在合成生物學（SynBio）教育與研究中的重要性，特別是在生物製造領域。文章比較了美國和中國的LLMs在解決SynBio問題上的表現，並探討了它們如何從非結構化數據中提取資訊、建立知識圖譜，及促進檢索增強生成。預期LLMs將提升代謝建模和工程中的設計-建造-測試-學習（DBTL）循環，並推動自動化實驗室的發展。最後，呼籲建立LLMs的基準、發展生物安全措施，並促進相關領域專家的合作。 PubMed DOI

A Multiagent-Driven Robotic AI Chemist Enabling Autonomous Chemical Research On Demand.
一個多智能驅動的機器人AI化學家，實現按需自主化學研究。 J Am Chem Soc 2025-03-08

大型語言模型（LLMs）已經在實驗室工作流程中帶來了顯著進展，特別是在化學研究的自主化方面。本報告介紹了ChemAgents，這是一個由多代理系統和Llama-3.1-70B LLM驅動的機器人AI化學家。ChemAgents能在少量人類介入下執行複雜實驗，並協調文獻閱讀、實驗設計、計算執行和機器人操作等四個專門代理。系統在六個實驗任務中展現了其有效性，並成功在新機器人化學實驗室中自主進行光催化反應，顯示出其可擴展性和適應性，為化學研究的自主化鋪平道路。 PubMed DOI

原始文章

站上相關主題文章列表