西安交大 刘益伦团队MGE Adv.：DeepSeek-Lattice-KG——面向点阵结构设计的知识图谱增强紧凑型语言模型

本文针对点阵结构设计中传统方法耗时且难以从海量文献中直接提取有效设计方案的问题，提出了一种名为DeepSeel-Lattice-KG的智能框架。研究背景在于点阵结构在航空航天、生物医学等领域具有重要应用，但其设计空间巨大且需同时满足复杂多项性能要求。研究目的是开发一种能高效辅助设计师进行点阵结构设计的智能工具。该框架将领域自适应后的140亿参数大语言模型与一个包含近66万实体、覆盖5万篇文献的知识图谱相结合。通过在2500篇同行评审文章上微调，模型兼具生成式推理与图谱验证能力。在涵盖六个领域的2100个问题上，该框架准确率达94.8%，超过了DeepSeek-R1-670B等更大模型及常规微调方法，同时确保了数据隐私和计算效率。其动态知识增强机制使其在新兴主题上也能保持高准确率，无需重新训练即可实时更新。工程案例研究证明，该框架能有效融合多篇文献知识进行设计探索，为由专用小模型与结构化知识结合替代大型通用系统提供了高效新范式。