利用大型语言模型和概念图预测材料科学的新研究方向

背景：随着科学文献的爆炸式增长，研究者难以全面掌握领域知识，而创新往往源于跨概念的新连接。传统基于规则的方法在提取语义信息上存在局限。研究目的：探索利用大语言模型（LLM）自动提取科学概念并构建时序概念图，结合图神经网络与语义嵌入，预测材料科学领域潜在的新研究方向。结论：该方法能有效预测未来可能形成的研究连接，特别是对知识网络中距离较远的概念组合，语义信息的整合显著提升了预测性能。专家评估表明，模型生成的建议中有26%具有启发性，可激发科研创新。该框架具有跨学科应用的潜力。