MOF合成通道路提取管线

比表超同族99.2%

一个以小样本大语言模型为核心、人机协同优化的MOF合成路线提取管线，可高精度地从文献中提取合成通道并指导新材料设计。

Yang, Yi · Zhimeng, Liu · Weize, Wu · Yuyang, Zhang · Lin, Jing · Siyu, Wu · Chen, Zihan · 孙也 · Li, Ruiming · Wang, Nan · 王睿 · 刘子鹏 · 谭火彬 · 时磊 · 张越 · 高鸿毅 · 王戈

Journal of Chemical Information and Modeling 2025

参数信息

比表面积超越百分位

99.2 %

数据集数量

3

MOF 总数

90000

技术优势

提取准到可用

MaterialBrain 在合成路线提取、结构推断和材料设计三个任务上均显著超越零样本 LLM 和基线方法。

数据越用越准

提出批量-轮次-迭代的人机协同数据标注方法，同时优化标注数据库的数量与质量，为后续提取提供高质量少样本示例。

能指导真实验

按 MaterialBrain 指导合成的 MOF，比表面积超过文献报道的同类别 MOF 的 99.2%。

示范自动选

通过信息检索算法从标注库中为每次提取自动挑选并量化少量示范，减少了人工筛选成本。

应用场景

• MOF设计：用提取的合成路线与结构推断，辅助设计高比表面积等功能性 MOF。
• 金属有机框架合成：从文献准确提取合成参数，直接指导实验室合成，无需人工逐篇阅读。
• 数据驱动材料发现：将 LLM 提取的结构化合成数据用于数据驱动的新材料发现流程。
• 文献数据挖掘：以人机协同标注+少样本 LLM 高效挖掘海量 MOF 文献中的合成信息。