BioinspiredLLM: Conversational Large Language Model for the Mechanics of Biological and Bio-inspired Materials

要約

生物材料および生物からインスピレーションを得た材料科学の研究は十分に確立されています。
しかし、驚くべきことに、工学的ソリューションに体系的に変換された知識はほとんどありません。
発見を加速し、洞察を導くために、オープンソースの自己回帰トランスフォーマー大規模言語モデル (LLM)、BioinspiredLLM が報告されています。
このモデルは、構造生物学および生物からインスピレーションを得た材料の分野における 1,000 件を超える査読済み論文のコーパスで微調整されており、情報を思い出したり、研究タスクを支援したり、創造性の原動力として機能したりすることができます。
このモデルは、生物学的材料に関する情報を正確に想起できることが証明されており、強化された推論能力と、生成中に新しいデータを組み込む検索拡張生成によってさらに強化されており、ソースの追跡や知識ベースの更新にも役立ちます。
、知識領域を接続します。
BioinspiredLLM は、生物学的材料の設計に関する適切な仮説を立てることも示されており、これまで明確に研究されたことのない材料については顕著です。
最後に、このモデルは、従来の材料設計プロセスを再構築できるワークフローで他の生成人工知能モデルと連携する際に、印象的な有望性を示しました。
この協調的な生成人工知能手法は、生物由来の材料設計ワークフローを刺激し、強化することができます。
生物学的材料は複数の科学分野の重要な交差点にあり、BioinspiredLLM のようなモデルは知識領域を結び付けるのに役立ちます。

要約(オリジナル)

The study of biological materials and bio-inspired materials science is well established; however, surprisingly little knowledge has been systematically translated to engineering solutions. To accelerate discovery and guide insights, an open-source autoregressive transformer large language model (LLM), BioinspiredLLM, is reported. The model was finetuned with a corpus of over a thousand peer-reviewed articles in the field of structural biological and bio-inspired materials and can be prompted to recall information, assist with research tasks, and function as an engine for creativity. The model has proven that it is able to accurately recall information about biological materials and is further enhanced with enhanced reasoning ability, as well as with retrieval-augmented generation to incorporate new data during generation that can also help to traceback sources, update the knowledge base, and connect knowledge domains. BioinspiredLLM also has been shown to develop sound hypotheses regarding biological materials design and remarkably so for materials that have never been explicitly studied before. Lastly, the model showed impressive promise in collaborating with other generative artificial intelligence models in a workflow that can reshape the traditional materials design process. This collaborative generative artificial intelligence method can stimulate and enhance bio-inspired materials design workflows. Biological materials are at a critical intersection of multiple scientific fields and models like BioinspiredLLM help to connect knowledge domains.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google