Nat Rev Mater｜网状化学的大型语言模型

本文探讨了大型语言模型（LLMs）在网状化学中的应用，网状化学涉及将分子构建单元通过强键连接成晶体扩展结构，如金属-有机框架（MOFs）和共价有机框架（COFs）。LLMs作为一种生成型人工智能系统，能够帮助科学家从文献中提取知识、设计材料、收集和解释实验数据，从而加速科学发现。文章介绍了LLMs的基本原理、优化方法（如提示工程、知识增强和微调）以及它们在网状化学中的实际应用场景，包括数据挖掘、材料设计和合成自动化。尽管LLMs在网状化学中表现出色，但仍需进一步改进，特别是在数据质量和广度方面。随着LLMs的不断发展，它们有望成为网状化学研究中的重要工具，推动该领域从经验科学向数据驱动科学的转变。