Integrating chemistry knowledge in large language models via prompt engineering.
透過提示工程整合化學知識於大型語言模型中。 Synth Syst Biotechnol 2024-08-29

這篇論文探討如何將領域專業知識融入提示工程，以提升大型語言模型（LLMs）在科學領域的表現。研究顯示，這種新方法在能力、準確性、F1分數及減少幻覺等指標上，表現優於傳統方法。針對MacMillan催化劑、紫杉醇和鋰鈷氧化物等複雜材料的案例研究，證實了這種方法的有效性。結果顯示，專業提示能幫助LLMs產生更準確的輸出，顯示其在科學研究中的潛在價值。論文也討論了目前方法的限制及未來研究方向。 PubMed DOI

Large Language Models, scientific knowledge and factuality: A framework to streamline human expert evaluation.
大型語言模型、科學知識與事實性：一個簡化人類專家評估的框架。 J Biomed Inform 2024-09-14

這篇論文提出了一個評估大型語言模型（LLMs）在生物醫學知識編碼的框架，特別針對抗生素研究。框架分為三個步驟：流暢性、提示對齊和語義一致性，並評估事實知識和回應的具體性。研究涵蓋了ChatGPT、GPT-4和Llama 2等十一個模型，透過生成化合物定義和確定化合物與真菌關係的任務進行評估。結果顯示，雖然流暢性有所提升，但事實準確性仍有待加強，對LLMs作為生物醫學知識庫的可靠性提出了疑慮，並強調需要更系統的評估方法。 PubMed DOI

Integrating Machine Learning and Large Language Models to Advance Exploration of Electrochemical Reactions.
整合機器學習與大型語言模型以推進電化學反應的探索。 Angew Chem Int Ed Engl 2024-12-03

這項研究提出了一種新方法，結合機器學習和大型語言模型，來探索電化學 C-H 氧化反應。研究人員利用快速篩選平台評估底物，並用 LLMs 挖掘文獻數據，提升模型準確率超過 90%。此外，LLMs 生成代碼以優化反應條件，成功識別出八種藥物的高產率條件。研究還評估了十種 LLM 的表現，顯示它們在加速研究任務上的潛力，並編制了包含 1,071 種反應條件的基準數據集，為該領域提供了重要數據。 PubMed DOI

Assessment of fine-tuned large language models for real-world chemistry and material science applications.
針對現實世界化學和材料科學應用的微調大型語言模型評估。 Chem Sci 2024-12-12

這項研究探討了微調大型語言模型（LLMs）在預測化學性質上的潛力，並指出其相較於傳統機器學習方法的優勢。研究中微調了GPT-J-6B、Llama-3.1-8B和Mistral-7B等模型，結果顯示在簡單的分類任務中，LLMs的表現通常優於傳統模型。將化學數據集轉換為LLM訓練格式相對簡單，即使是小型數據集也能有效預測。這些發現顯示，LLMs有潛力提升化學研究的實驗和計算效率，幫助研究者減少不必要的工作。 PubMed DOI

From text to insight: large language models for chemical data extraction.
從文本到洞察：大型語言模型在化學數據提取中的應用。 Chem Soc Rev 2024-12-20

這篇教學評論探討大型語言模型（LLMs）在化學領域中，如何從非結構化的知識中提取結構化數據。傳統上，這需要大量人工和有限的自動化，但LLMs能讓非專家更有效地獲取數據。評論指出了應用LLMs的挑戰，並強調領域知識在驗證結果中的重要性。它還概述了當前的實踐，呼籲標準化指導方針，並提出將LLMs與化學專業知識結合的框架，幫助研究人員加速新化合物和材料的發現，應對社會挑戰。 PubMed DOI

Unveiling the power of language models in chemical research question answering.
揭示語言模型在化學研究問題回答中的力量。 Commun Chem 2025-01-05

ScholarChemQA 是一個新推出的學術化學問答數據集，旨在評估語言模型在化學領域的表現。這個數據集來自化學論文，問題取自論文標題，並根據摘要提供多選答案。為了應對數據不均和未標記數據的挑戰，開發了 ChemMatch 模型，能有效回答化學問題。實驗顯示，儘管大型語言模型已有進展，但在化學任務上仍有改進空間。ChemMatch 在基準測試中表現優於其他模型，顯示其有效性。更多資訊可參考 GitHub 連結：https://github.com/iriscxy/chemmatch。 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 (such as ChatGPT) as Tools for Machine Learning-Based Data Insights in Analytical Chemistry.
大型語言模型（如 ChatGPT）作為機器學習數據洞察的工具在分析化學中的應用。 Anal Chem 2025-02-05

人工智慧（AI）透過深度學習技術，特別是卷積神經網絡（CNNs），已在各領域帶來重大變革。自1990年代Yann LeCun提出以來，CNNs被廣泛應用於醫療診斷、自動駕駛、金融預測及圖像識別等。分析化學方面，深度學習提升了質譜、核磁共振等數據分析的效果。隨著大型語言模型（LLMs）如ChatGPT的興起，自然語言處理也獲得了新動力。本文探討如何利用智能手機和LLM進行激光誘導擊穿光譜（LIBS）數據的互動式分析，顯示LLMs在未來分析化學中的重要性。 PubMed DOI

Leveraging Prompt Engineering in Large Language Models for Accelerating Chemical Research.
運用提示工程於大型語言模型以加速化學研究 ACS Cent Sci 2025-04-28

大型語言模型像GPT正在改變化學研究，但因化學資料有限，常出現錯誤。透過精心設計提問（prompt engineering），能減少這些錯誤並提升推理能力。雖然這方法在化學領域還不普及，但已有像電池和自動化實驗室的應用案例。總結來說，結合這兩者能讓化學研究更精確可靠。 PubMed DOI

Designing a large language model for chemists.
為化學家設計大型語言模型 Patterns (N Y) 2025-06-09

**重點整理：** Zhao 等人開發了 ChemDFM，一款專為化學領域設計的大型語言模型，結合了通用 AI 能力和專業化學知識。它能夠解讀光譜數據、進行數值推理，還能連結化學工具和資料庫，成為科學研究與發現的重要助手。 PubMed DOI

原始文章

站上相關主題文章列表