纳米晶数据库+大语言模型助力逆向合成设计

随着人工智能的快速发展，深度学习在材料结构预测上取得显著进展，但材料化学领域仍面临“知其结构不知其造法”的困境，传统“试错法”低效且耗时。北京理工大学研究团队开发了名为NanoExtractor的大语言模型，通过四种数据增强策略（文本重写、构造负样本、强制输出“NOT MENTION”、置信度校准），从海量非结构化文献中精准提取合成路线与产物性质，构建了包含近16万条对齐数据的纳米晶合成-性质数据库（NSP数据库）。基于该数据库，团队进一步开发了逆向合成设计模型NanoDesigner，输入目标产物、限定反应物和期望性质即可输出具体、可执行的合成路线，F1得分达0.85，ROUGE得分为0.42。实验验证表明，NanoDesigner能识别反常规的合成条件，如在MgF2纳米晶合成中推荐非化学计量比前驱体浓度以抑制副产物，优于GPT等通用大模型。该成果以“A Large-Scale Nanocrystal Database with Aligned Synthesis and Properties, Enabling Generative Inverse Design”为题发表于ACS Nano，为纳米材料的逆向合成设计提供了关键数据基础和高效模型，有望推动纳米材料高效、精准的“所想即所得”。