大语言模型助力网状化学材料发现：开启科研新征程

网状化学旨在将分子构建单元连接成晶体扩展结构，如金属 - 有机框架（MOFs）和共价有机框架（COFs）。研究人员探索大语言模型（LLMs）在该领域的应用，发现其能加速科学发现，助力科研人员从文献中提取知识、设计材料等，推动科研发展。

　　网状化学是一门将分子构建单元连接成晶体扩展结构的科学，像金属 - 有机框架（Metal-Organic Frameworks，MOFs）和共价有机框架（Covalent Organic Frameworks，COFs）这类。大语言模型（Large Language Models，LLMs）作为一种生成式人工智能系统，能够辅助网状化学的实验室研究。它能帮助科学家从文献中提取知识、设计材料，还能收集和解释实验数据，最终加快科学发现的进程。在这篇展望文章中，研究人员探究了在研究中应用 LLMs 的概念和方法，比如提示工程、知识与工具增强以及微调。研究人员还探讨了如何让 “化学感知” 模型适应特定任务，并融入到网状化学的现有实践中，将传统基于经验知识驱动的 “制备、表征、应用” 流程转变为基于探索合成 - 结构 - 性质 - 性能关系的发现循环。此外，研究人员研究了模块化的 LLM 智能体如何集成到多智能体实验室系统（如自动驾驶机器人实验室）中，简化劳动密集型任务并与化学家协作，以及 LLMs 如何降低将生成式人工智能和数据驱动工作流程应用于结晶等具有挑战性的研究问题的门槛。这项研究为计算化学家和实验化学家提供了在网状化学乃至更广泛的材料科学领域利用 LLMs 进行材料发现所需的见解。