Feiyang Cai

新数据集可自动实现分子结构与语言描述的对齐，服务于大语言模型

研究人员开发了一个自动化框架，用于创建用于分子结构与自然语言描述对齐的大规模数据集。该方法使用基于规则的化学命名法解析器，从IUPAC名称生成详细的XML元数据，然后指导大语言模型生成准确的描述。生成的数据集包含约163,000个分子-描述对，专家评估显示其精确率高达98.6%。该资源有望推动依赖结构理解和分子-语言对齐的化学任务的发展。