LLMatDesign: Autonomous Materials Discovery with Large Language Models

发现新材料可以有重大的科学和技术意义，但由于化学空间的巨大性，这仍然是一个具有挑战性的问题。机器学习的最新进展使得数据驱动的方法能够快速筛选或生成有前途的材料，但这些方法仍然严重依赖于大量的训练数据，并且通常缺乏材料发现中所需的灵活性和化学理解。我们介绍了LLMatDesign，这是一个新颖的基于语言的框架，用于可解释的材料设计，由大型语言模型（LLMs）提供支持。LLMatDesign利用LLM代理来翻译人类指令，对材料进行修改，并使用提供的工具评估结果。通过在其先前决策中加入自我反思，LLMatDesign能够以零样本方式快速适应新任务和条件。对LLMatDesign在几个材料设计任务中的系统评估验证了LLMatDesign在小数据情况下开发具有用户定义目标属性的新材料的有效性。我们的框架展示了自主LLM引导的材料发现在计算设置中和未来的自动实验室中具有显著的潜力。

如何通过语言模型实现可解释的材料设计？

利用大型语言模型（LLM）进行材料设计，通过自我反思来适应新任务和条件。

LLMatDesign框架在多个材料设计任务中展示了其在小数据量情况下开发新材料的能力，具有自我适应和可解释性。

最近的相关研究包括使用机器学习进行材料发现的工作，以及利用自然语言处理技术进行材料属性预测的工作。