利用大型语言模型构建材料科学知识图谱，加速材料发现

编辑 | ScienceAI

材料科学知识图谱(MKG)整合了海量多源数据，以结构化知识的形式呈现复杂科学领域的数据结构，促进研究进展、创新和应用的知识交流。 新南威尔士大学、同济大学、香港城市大学和GreenDynamics律动造物合作，构建了一个涵盖十五万个节点和近百万个关系的MKG，包含十余种重要的材料科学属性。

该团队利用大型语言模型自主设计本体论，自动提取和清洗了大量材料科学文献中的知识。 他们通过少量数据微调大型语言模型，从数十万篇文献摘要中提取信息，并确保所有信息的可追溯性。 结合自然语言处理技术进行高质量数据清洗，并运用图算法和模型完善和增强图谱，揭示材料学知识间的潜在联系和机制。

MKG可预测未来几年电池、太阳能电池和催化剂等能源领域可能出现的潜在材料，并提供强有力的解释性支持。 这项研究成果已发表在NeurIPS 2024会议上，论文标题为《基于大型语言模型构建和应用多学科材料科学的材料知识图谱》。

论文链接：https://www.php.cn/link/bda085fd5db65533be2d418bd918686d

研究背景：应对材料科学研究的挑战

材料科学研究对现代工业发展至关重要，尤其在能源转换、电子设备、汽车制造和生物医药等领域。传统研究方法耗时长、成本高。 虽然大量文献蕴含丰富数据，但这些知识分散且难以获取。

人工智能技术为解决这一问题提供了新途径。知识图谱能够将非结构化数据转换为结构化知识库，加速知识检索和应用。 然而，构建材料科学知识图谱面临挑战：材料科学领域的复杂性，以及知识的快速更新和扩展需求。

MKG：自动化知识集成

该团队利用大型语言模型自动化构建本体论、提取和分析文献数据，并通过持续学习适应新的研究成果。 MKG的构建和维护过程分为四个步骤：

1. 自动构建本体论: 利用大型语言模型(如LLaMA或Darwin)自动识别和分类文献中的关键概念和关系。
2. 知识提取: 通过微调的大型语言模型精确提取结构化数据，并保留信息来源。
3. 知识清洗: 采用数据清洗技术和人工审核，确保数据准确可靠。
4. 材料发现: 利用图算法和神经网络分析和预测材料间的新关系，完善和增强知识图谱。

表1展示了LLM在知识提取中的效果。(来源：论文)

材料发现与验证

MKG通过图算法和图神经网络进行材料发现，并利用修正后的Jaccard相似度算法进行全局范围的材料预测。 研究人员将MKG按时间分为训练集和验证集，验证了算法的有效性，并统计了高排名预测被验证的概率。

未来研究方向

未来的研究方向包括扩展MKG的覆盖范围、整合其他知识图谱、分析材料再利用的历史模式、分析材料间的簇形成，以及将AI Agent技术集成到本体论的自动构建中。 这些方向将进一步增强MKG的功能和应用范围，推动科学与人工智能技术的融合。

感谢您的来访，获取更多精彩文章请收藏本站。