Nat. Mach. Intell. | 利用大语言模型与概念图预测材料科学新研究方向

随着科研论文数量的指数级增长，研究人员已难以全面掌握自身领域内的全部进展。研究人员探索利用大语言模型从材料科学文献中提取关键概念及其语义信息，构建概念图以发现人类未曾注意的关联，并预测潜在的新研究方向。研究结果表明，大语言模型在概念提取方面优于传统关键词方法，并能够构建更高质量的概念图。在此基础上，研究人员训练机器学习模型预测未来可能出现的概念组合，即新的研究思路。通过引入语义嵌入信息，模型预测性能进一步提升。结合专家访谈验证，研究人员发现该方法能够有效激发科研灵感，提出具有创新性的研究方向。

在材料科学等高度交叉的领域中，新的研究方向往往源于此前未被结合的概念之间的连接。尽管经验丰富的研究人员具备深厚的领域知识，但在跨领域建立新联系仍然困难。机器学习方法有潜力突破这一限制，通过挖掘隐藏在海量文献中的潜在关系，拓展科学探索空间。

然而，科学知识主要以非结构化文本形式存在，这给自动分析带来了挑战。传统方法依赖关键词提取和规则过滤，难以准确捕捉复杂语义。与此同时，图结构方法（如SemNet）尝试通过概念网络分析科学发展趋势，但通常仅依赖拓扑信息，缺乏语义理解能力。

研究人员因此提出结合大语言模型与概念图的方法，将语义信息与图结构统一起来，以实现更准确的研究方向预测，并辅助科研人员进行创新探索。

研究人员首先从约22万篇材料科学论文摘要中提取概念，利用微调的大语言模型替代传统关键词提取方法，并通过迭代标注与训练不断提升提取质量。随后，将概念及其共现关系构建为时间演化的概念图，并利用MatSciBERT生成语义嵌入以增强节点表示。在此基础上，采用图神经网络及多种混合模型进行链接预测，从而识别未来可能出现的新概念组合。

图1: 标注数据的生成流程。

研究人员从22.1万篇摘要中提取了约360万个概念，并通过去重得到约124万个唯一概念，同时识别出约5.2万个化学式。相比基于规则的方法，大语言模型能够提取更规范、更具语义一致性的概念，例如完成词形规范化与短语重构。

最终构建的概念图包含约13.7万个节点和1300万条边，呈现出稀疏但高度结构化的网络特征。图结构随时间不断扩展，并表现出“中心化”趋势，即少数高频概念逐渐成为连接核心。

图2： 材料科学概念地图。

研究人员利用MatSciBERT生成概念嵌入，并通过降维方法构建“材料科学地图”。该地图显示，语义相似的概念在空间中自然聚集，验证了嵌入能够捕捉真实语义关系。此外，最近邻查询结果表明，模型能够识别语义上相关但文本形式不同的概念。

在链接预测任务中，研究人员比较了多种模型性能。结果表明，结合图结构与语义信息的模型表现最佳，其中图神经网络与语义嵌入的融合模型取得最高AUC，显著优于仅依赖拓扑信息的方法。

进一步分析发现，语义信息对于预测“远距离”概念连接尤为重要，即那些在图中间接相关但尚未直接连接的概念。这类连接往往代表更具创新性的研究方向。

图3: 链接预测模型在测试集上的性能评估。

研究人员通过访谈10位材料科学专家，对模型生成的概念组合进行评估。在292条建议中，约26%被认为具有新颖性和启发性。虽然部分建议被认为不合理，但也存在在进一步解释后被重新评估为有价值的情况。

研究人员还发现，经过大语言模型筛选与解释后的建议，其“有趣性”显著提升。这表明模型不仅能够生成潜在研究方向，还能够通过语言解释增强其可理解性与实用性。

图4: 从摘要中计算概念嵌入的示例。

研究人员展示了一种结合大语言模型与概念图的科研辅助框架，能够从海量文献中自动提取知识并预测潜在研究方向。该方法的核心优势在于同时利用语义信息与结构信息，从而突破传统方法的局限。

实验结果表明，语义嵌入能够显著提升模型在复杂关系预测中的能力，尤其是在发现跨领域连接方面具有重要作用。专家评估进一步验证了该方法在实际科研中的应用价值。

尽管当前方法仍存在一定误判和噪声，但其能够有效激发科研灵感，为研究人员提供新的探索方向。未来，该框架有望扩展至更多学科领域，并与更先进的大语言模型结合，从而推动科学发现的自动化与智能化发展。总体而言，该研究代表了“AI辅助科研创新”的重要一步。

Marwitz, T., Colsmann, A., Breitung, B. et al. Predicting new research directions in materials science using large language models and concept graphs. Nat Mach Intell (2026). 

https://doi.org/10.1038/s42256-026-01206-y