基于大语言模型的闭环固态合成规划用于材料发现

《Advanced Materials》：Closed-Loop Solid-State Synthesis Planning for Materials Discovery With Large Language Models

　　

开发复杂材料的可靠合成路线仍是加速材料发现的主要瓶颈。研究人员建立了一种基于大语言模型（LLM）的框架，用于直接从文献数据预测和优化合成条件。研究人员从4407篇开放获取固态合成论文中系统提取了目标化合物、前驱体及处理参数等关键合成信息，并组织为结构化配方数据集。采用检索增强生成（RAG）方法，系统先从语料中检索相似配方，再基于这些示例生成新的候选配方。生成配方使用定量评分指标与文献数据基准比对，与实验报道条件高度吻合。为验证预测能力，该框架被应用于通过第一性原理筛选出的未报道全固态电解质候选体系，并通过模型与实验的迭代反馈成功合成了多种氧硒化物。配方生成器在连续试验中准确精炼了合成参数，展现出在减少试错的同时复现纯相产物的能力。该方法确立了数据驱动、反馈优化的合成设计路径，为将语言模型整合进实验材料研究提供了可推广范式。

研究背景方面，无机固态材料合成长期依赖领域专家的启发式知识，缺乏普适规则，且计算筛选（如凸包上方能量E_hull判据）只能评估可合成性而无法给出前驱体与工艺窗口；同时海量合成知识散落于数百万篇论文中，非结构化文本难以被直接利用，既有大语言模型（LLM）应用多停留在问答或命名实体识别（NER）层面，尚未实现端到端合成配方生成。为此，研究人员开展了一项将LLM与检索增强生成（RAG）结合、并嵌入实验闭环反馈的固态合成规划研究，旨在用文献数据驱动方式缩短新材料合成条件探索周期。该研究发表于《Advanced Materials》，核心结论是：从4407篇开放获取论文构建的结构化配方库支撑下的RAG配方生成器，在128篇held-out测试集上各参数平均得分超3.5/5，并在Li-M-Se-O体系筛选出LiCr(SeO₃)₂、LiAl(SeO₃)₂、CsLiSeO₄等候选后，经领域专家反馈迭代，以极少试错成功合成多组分氧硒化物，且为已报道的LiGa(SeO₃)₂给出了区别于机械化学法的替代固态反应（SSR）路线，证明LLM可成为实验材料研究中的反馈优化合成设计工具。

关键技术方法上，研究人员首先解析4407篇固态合成开放论文的摘要、实验细节与结论，利用LLM抽取目标材料、工艺类型与前驱体等字段，构建含“key contribution”（仅用于检索嵌入）与“recipe”（逐步结构化步骤）的双字段数据集；进而以RAG流程在推理时根据用户指定目标、工艺与约束嵌入检索相似key contribution，拼接对应recipe作为提示（prompt）送入配方生成器产出候选。基准评测避开BLEU/ROUGE等文本相似度，建立温度（±50℃得5分）、时间（≥文献值得5分）、转速（±100 rpm）、压力（±20 MPa）及前驱体元素匹配的前文表1定量准则，在2024年5月13日后发表且未入库的128篇测试集上由gpt-4o-2024-05-13打分；同时定义检索置信度（语义邻近+检索集内部一致性）与生成置信度（同检索上下文30次重复的自洽性）双指标。候选材料侧，从Materials Project（MP）原型出发用离子半径与价态取代生成660个假设结构，经密度泛函理论（DFT）算Kohn–Sham带隙E_g>2.0 eV、E_hull=0 meV atom^?1及grand potential相图电化学窗口筛选，再用CSLLM（LLaMA3-8B微调，晶体学字符串编码）与StructLLM（GPT-4o-mini微调，Robocrystallographer文本编码）交叉评估可合成性，最后以反应路径分析（基于化学反网络框架、含O₂开放体系）解释杂质竞争。

研究结果部分，在“2 Results and Discussion”下，先给出图1数据库构建与RAG推断 schematic：数据集将工艺归为SSR、机械化学、烧结、热处理四类，统计各工艺主变量分布（如SSR温度多居750–1250℃）作为容差基准；RAG在推理阶段把用户约束转为key contribution嵌入检索，取近邻示例喂入生成器。配方评测显示前驱体均分4.10/5、温度3.83、时间4.28、转速4.32、压力4.04，129例中53例前驱体完全匹配、51例元素全覆盖，温度误差≤50℃占可比94例中的48例，时间预测偏保守（≥文献值即满分，70.6%满分）。置信度上，检索置信度KDE峰值0.918，生成端前驱体一致率峰值0.998、工艺变量置信度多高于0.9，说明非随机波动。在验证环节，Li-M-Se-O空间筛出LiCr(SeO₃)₂、LiAl(SeO₃)₂、CsLiSeO₄三候选（另含已报道LiGa(SeO₃)₂参照），CSLLM全判True，StructLLM对LiAl/CsLi给正标签、对LiCr/LiGa给未知标签，视作结构级合理性交叉印证。图4闭环工作流中，以LiCr(SeO₃)₂为例：初代配方600℃/3h产Se、Li₂CrO₄、Cr₂O₃杂相；反馈降温至450℃仍杂相，400℃/3h得纯相；再调时效得更优衍射。同法得LiAl(SeO₃)₂与CsLiSeO₄窗口（~400℃与450–500℃），并为LiGa(SeO₃)₂给出350–400℃/3h替代SSR纯相路线，区别于文献机械化学法。反应路径分析（表3）以ΔG量化：如Cr-1路径Li₂CrO₄中间体ΔG=?0.322 eV atom^?1再转目标ΔG=?1.244 eV atom^?1，与实验杂质吻合；Al/Cs/Ga体系路径同样解释Li₂SeO₄、Cs₂SeO₄、Ga₂O₃等共存现象。

讨论部分指出，该RAG配方器单次不直接输出精确配方，但4/5以上得分加高自洽置信度表明其提供接近真值可少量迭代精炼的起始点；DFT负责物理可行性、LLM负责文献先例映射、反应路径分析桥接二者解释动力学竞争，三者互补。结论部分原文要义为：研究人员建立了集成LLM与RAG的框架，从4407篇论文抽取结构化配方，经定量基准验证后，在全新筛选的全固态电池电解质候选（含LiCr(SeO₃)₂等）上以闭环反馈极少试错完成合成，并为已报道LiGa(SeO₃)₂发现本质不同的SSR替代路线；该工作以数据驱动指南补充了传统启发式合成，可显著压缩材料开发周期并推广至其他体系。