English(EN) Predicting Scale-Up of Metal-Organic Framework Syntheses with Large Language Models

大型语言模型以93.5%的准确率预测MOF合成规模放大

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-10 04:00

研究人员开发了ScaleMOF，这是一个新的数据集和学习策略，旨在预测金属有机框架（MOF）合成的可扩展性。通过微调大型语言模型，该方法旨在弥合MOF发现与工业应用之间的差距，识别有前途的规模放大候选材料。概念验证系统达到了93.5%的准确率，可作为优先考虑MOF规模放大的基于文献的工具。 AI

影响这项研究展示了LLM在材料科学中的一项新颖应用，有可能加速新发现的MOF的工业应用。

排序理由该集群描述了一篇研究论文，其中详细介绍了一种使用LLM预测材料合成规模放大的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Peter Walther, Hongrui Sheng, Xinxin Liu, Bin Feng, Reid Coyle, Xinhua Yan, Kyle Smith, Harrison Kayal, Shyam Chand Pal, Zhiling Zheng · 2026-07-10 04:00

Predicting Scale-Up of Metal-Organic Framework Syntheses with Large Language Models

arXiv:2604.20899v2 Announce Type: replace-cross Abstract: Scalable synthesis remains the gate between MOF discovery and industrial deployment, as scale-up know-how is fragmented across disparate reports. We introduce ScaleMOF, a literature-mined dataset and a positive-unlabeled l…