Omar Yaghi #JACS 热文 | ChatGPT化学助手预测MOF合成
Omar Yaghi #JACS 热文 | ChatGPT化学助手预测MOF合成
gh_0320d0d498b4
ACS作为权威科学信息的主要来源，是全球化学企业、化学家、化学工程师和相关人员的职业家园。
以下文章来源于ACS材料X ，作者ACS Publications
探索科学，前瞻未来
英文原题： ChatGPT Chemistry Assistant for Text Mining and the Prediction of MOF Synthesis
通讯作者： Omar M. Yaghi 加州大学伯克利分校
作者： Zhiling Zheng, Oufan Zhang, Christian Borgs, Jennifer T. Chayes, Omar M. Yaghi*
本文入选 Editors’ Choice，可免费阅读全文
以下内容源于 ChatGPT 翻译
我们采用提示工程的方法，指导ChatGPT自动从科学文献的不同格式和风格中挖掘金属有机框架（MOF）合成条件的文本。这有效地减轻了ChatGPT产生虚假信息的倾向，这是以前在科学领域使用大型语言模型（LLM）时所面临的挑战。我们的方法涉及开发一个由 ChatGPT 自身编程的工作流程，实现文本挖掘的三个不同过程。所有这些过程都可以在劳动力、速度和准确性之间进行不同权衡的解析、搜索、过滤、分类、总结和数据统一。我们将这一系统应用于从同行评审的研究文章中提取出 26,257 个与约 800 个 MOFs 相关的独特合成参数。这个过程融合了我们的 ChemPrompt 工程策略，指导 ChatGPT 进行文本挖掘，结果显示精确度、召回率和 F1 得分在 90-99% 之间。此外，借助文本挖掘构建的数据集，我们建立了一个机器学习模型，准确率超过 87%，可以预测 MOF 实验结晶结果并初步识别 MOF 结晶中的重要因素。我们还开发了一个可靠的数据驱动 MOF 聊天机器人，可以回答关于化学反应和合成程序的问题。考虑到使用 ChatGPT 可靠地以统一的格式挖掘和整理各种 MOF 合成信息，且只需使用叙事语言，无需编程专业知识，我们预计我们的 ChatGPT 化学助手将在各种化学子学科中非常有用。
Figure. Integrated workflow of the MOF chatbot transforming comprehensive synthesis data sets into contextually accurate dialogue systems and demonstration of a conversation with the data-driven chatbot.
关于 Chatbot 的设置和使用请查阅原文及 Supporting Information
关于 JACS
主编 ： Erick Carreira（ ETH Zürich ）
JACS was founded in 1879. It is the flagship journal of the American Chemical Society and the world’s preeminent journal in all of chemistry and interfacing areas of science. This periodical is devoted to the publication of fundamental research papers and publishes approximately 19,000 pages of Articles, Communications, and Perspectives a year.
点击“阅读原文”
你“赏”我吗？