一个大规模的、由大语言模型辅助构建并经过验证的生物质与废物转化技术及原料数据集

《Scientific Data》：A large-scale, LLM-assisted and validated dataset of biomass and waste conversion technologies and feedstocks

　　

摘要

生物质、有机废物及副产品越来越被用作低碳燃料和高附加值化学品的原料。然而，从循环经济角度进行战略决策需要全面了解不同转化技术在处理各类原料时的相对重要性，而目前还缺乏针对这些原料组合的大规模跨技术对比分析。为此，我们整理了一份基于文献的数据集，将八种主要的废物转化为其他产品的工艺（气化、热解、水热液化、炭化、厌氧消化、好氧消化、发酵和酯交换）与其所适用的原料进行了关联。通过Scopus数据库，使用统一的搜索词条检索到了121,365条记录，这些记录涵盖从1887年到2026年的各类出版物，其中还包括少量2026年才被纳入索引的记录。这种有限但具有扩展性的搜索策略有助于实现自动化的数据提取与验证，同时生成丰富的数据集。此外，我们还采用了人工智能辅助的工作流程来筛选出潜在的技术和原料相关表述，随后通过两级验证机制——即规则化的数据清洗和针对性的人工智能重新评估——来最大限度减少人工干预。最终得到的数据集提供了经过验证的、针对特定工艺的原料描述信息，可为循环生物经济领域的比较分析和决策支持提供有力依据。