KAIST：“利用聊天机器人可预测并逆向设计金属有机骨架材料性能”

韩国国内开发出一款聊天机器人系统，能够执行以往语言模型无法完成的金属有机骨架材料物性预测和逆向设计任务。

KAIST表示，生命化学工程系教授 Kim Jihan 研究团队利用大规模语言模型（下称LLMs），开发出一种能够预测金属有机骨架（Metal-Organic Frameworks, MOFs）特性并自动生成新材料的聊天机器人系统“ChatMOF”（下称“ChatMOF”），相关成果已于26日公布。

研究团队指出，尽管近年来人工智能取得了飞跃式发展，但在材料科学领域，要完全发挥大规模语言模型的潜力，仍然受到物质本身的复杂性以及各类材料所需的专用训练数据不足等局限的制约，他们正是基于这一问题意识而开发了ChatMOF。

研究团队解释称，ChatMOF是在材料领域将传统机器学习模型与大规模语言模型相结合的方式开发而成，具有缩小初学者与计算及机器学习工具之间差距的潜力。

利用大规模语言模型进行金属有机骨架预测与逆向设计的聊天机器人系统运行概述。KAIST提供

View original image

首先，ChatMOF会针对用户提出的金属有机骨架（MOF）相关问题，由大规模语言模型制定解决问题的计划，并选择执行该计划所需的合适工具。

随后，系统会基于各工具得到的结果值判断这些结果能否回答用户的问题；如果可以，就向用户提供最终答案；如果不可以，则会重新制定解决问题的计划。

在这一过程中所使用的工具主要包括：从表格中检索数据的“检索工具”、利用机器学习预测物性的“预测工具”、对具有目标物性的物质进行逆向设计的“生成工具”。此外，计算器、单位换算器等各类实用程序也都可以作为工具被调用。

研究团队强调，ChatMOF在检索和预测任务中分别取得了96.9%和95.7%的成功率，尤其是在复杂结构生成（逆向设计）任务中也达到了87.5%的准确度，值得关注。这一结果表明，未来ChatMOF有望被有效用于管理高需求、高负载的各类任务。

更重要的是，在材料领域，ChatMOF不仅能够就用户所需物质提供详细而准确的信息，还能让原本难以由非专业人士使用的机器学习和各类计算化学工具变得易于上手，从而缩小熟练者与非熟练者之间的差距。这也有望帮助快速、准确地生成和研究新物质，从而加速材料开发进程。

Professor Kim Jihan。KAIST提供

View original image

Kim Jihan 教授表示：“本研究团队开发的技术，是在材料科学领域实现人工智能高度自主性的重要进展。通过对模型容量以及在线平台数据共享机制进行系统性改进，可以进一步优化ChatMOF的性能，而这将有望推动金属有机骨架研究领域的进步。”

必读新闻

“月薪150万不如去美国年入5亿” 首尔大·KAIST人才纷纷收拾行囊 [科学家正在消失]①

• 闪耀的“韩技术”正被迫出海流失…连补贴都发了却说“不能上市”
• “还不如直接买股票”…挂名ETF，实则“半导体重仓”成短线游乐场
• 歌手 Kim Minjong 回应 MC Mong 赌博爆料：“明显属虚假…将采取法律措施”
• “无药可治却扩散加速”……已致105人死亡恐慌蔓延，美国人亦被感染

此外，本次研究由KAIST生命化学工程系博士课程研究生 Kang Younghun 作为第一作者参与，研究成果已于本月3日发表在国际学术期刊《自然·通讯》（Nature Communications）上。

版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。