基于大语言模型框架的深度共晶溶剂知识挖掘与交互式AI代理系统开发

推荐：研究人员针对深度共晶溶剂(DES)领域数据匮乏、探索效率低的问题，开发了大型语言模型(LLM)驱动的自动化数据提取框架，从14,602篇文献中提取34,027条数据记录和9,215种独特DES配方，准确率超90%，并构建交互式AI代理平台，为绿色化学工程提供高效知识发现工具。

　　

在绿色化学工程领域，深度共晶溶剂(Deep Eutectic Solvents, DES)因其可生物降解、低毒性和可回收性被誉为"设计型溶剂"，但传统研究方法受限于试错模式和数据碎片化。当前DES研究面临三大瓶颈：一是90%的研究集中于5种常见氢键供体(HBD)，二是机器学习(ML)模型因数据量不足(仅0.2%文献提供完整物性参数)而可靠性受限，三是知识分散在文献不同章节难以系统获取。这些问题严重制约了新型DES配方的开发效率，使得其巨大设计空间(理论可达10⁶
种组合)远未充分探索。

针对这些挑战，清华大学的研究团队在《Green Chemical Engineering》发表研究，创新性地构建了LLM驱动的DES知识挖掘框架。通过协调GPT-4 turbo模型与代码工具，开发了三阶段数据提取流程：首先用"eutectic"关键词初筛34,939篇文献，经LLM分类保留14,602篇DES相关文献；随后聚焦摘要和表格，采用模块化提示词(含任务描述、提取清单、格式示例)提取配方组分、熔点、使用温度等关键参数；最后通过PubChem API验证物质名称，并基于拓扑极性表面积(TPSA)和XLogP值推断混合物亲疏水性。研究还创新性地采用图检索增强生成(Graph RAG)技术，将结构化数据与Neo4j图数据库结合，构建了具备多轮对话能力的DES交互代理系统。

研究结果方面：1) 数据规模与质量：建成含34,027条记录的知识库，覆盖9,215种独特配方，熔点数据与人工库DESignSolvents比对显示70.9%偏差在±5K内。2) 组分分析：2,798种化学物质中54%为有机分子，氯离子因强氢键受体(HBA)特性成为最常用组分(胆碱氯化物出现率39.17%)。3) 配方特性：类型III(胆碱氯化物/尿素等)和类型V(非离子型)DES占比72%，后者可通过调节XLogP实现亲水-疏水转换。4) 应用趋势：电池电解质研究始于2010年以LiTFSI(双三氟甲磺酰亚胺锂)体系为主，而金属回收应用2015年后兴起，偏好胆碱氯化物/有机酸组合。

该研究的突破性在于：首次实现DES领域全流程自动化知识挖掘，较传统人工提取效率提升3个数量级；构建的交互代理系统支持自然语言查询如"含柠檬酸且熔点<50°C的疏水DES"，响应时间从人工数周缩短至秒级。特别值得注意的是，系统通过联合提取关联参数(如熔点和使用温度)使混淆率降低60%，且能自动识别文献中的错误数据(占人工库4.3%)。这些成果不仅为DES研究提供了标准化数据基础设施，其LLM+工具链的框架设计更为材料科学领域知识挖掘提供了可复用的方法论。未来通过集成预测性ML模型，该系统有望发展为从配方设计到性能预测的全链条智能研究平台。