Polymetis:Large Language Modeling for Multiple Material Domains

要約

さまざまな分野で大規模な言語モデルの適用が拡大し続けるにつれて、材料科学も AI 主導のイノベーションの機会をもたらします。
材料科学関連の情報を手動で検索する従来の方法は、材料科学研究の効率を向上させるための補助ツールとして人工知能テクノロジーを使用しています。
材料科学研究における研究者の知識獲得とインテリジェントな意思決定支援を加速するために、本論文は、材料分野における高度に専門的な知識の回答を提供することを目的として、エネルギー材料、
機能性材料、合金材料、物理化学、生物学、その他の材料分野。
このモデルは、約 200 万の重要な知識命令のデータセットを使用します。データセットの構築過程で、科学テキストから構造化された知識を抽出して形成するために特別に使用されるインテリジェント抽出大規模モデル (IELM) を開発しました。
手動で注釈を付ける必要があるコストの数が減り、効率が向上します。
このデータを学習用の GLM4-9B モデルに注入し、さまざまなマテリアル ドメインにおける推論機能を強化します。
さらに、モデルに対する答えがより組織的かつ包括的であることを保証するための強化された即時戦略を導入し、材料科学探査の多様なニーズに効率的かつ包括的なインテリジェントなサポートを提供し、材料科学の発展を促進しました。

要約(オリジナル)

As the application of large language models in various fields continues to expand, materials science also ushers in opportunities for AI-driven innovation. The traditional way of relying on manual search for materials science-related information is now using artificial intelligence technology as an auxiliary tool to improve the efficiency of materials science research. To accelerate researchers’ knowledge acquisition and intelligent decision-making support in materials science research, this paper proposes a large language model Polymetis model for a variety of materials fields, aiming to provide highly professional knowledge answers in the field of materials, covering energy materials, functional materials, alloy materials, physical chemistry, biology, and other material directions. The model uses a dataset of about 2 million material knowledge instructions, and in the process of building the dataset, we developed the Intelligent Extraction Large Model (IELM), which is specially used to extract and form structured knowledge from scientific texts, avoiding a large number of costs that need to be manually annotated, and improving efficiency. We inject this data into the GLM4-9B model for learning to enhance its inference capabilities in a variety of material domains. In addition, we have introduced enhanced prompt strategies to ensure that the answers to the model are more organized and comprehensive, providing efficient and comprehensive intelligent support for the diverse needs of materials science exploration, and promoting the development of material science.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google