MatKG

新的HyGRAIL框架使用GNN和LLM进行科学假设发现

研究人员开发了HyGRAIL，一个旨在从不完整的知识图谱中发现科学假设的新框架。该系统结合了用于初步筛选的图神经网络（GNN）和用于更深入审查的大型语言模型（LLM），旨在平衡效率和准确性。HyGRAIL优先处理GNN认为不确定的假设，然后使用转换为自然语言的结构化图证据来告知LLM的最终判断。这种方法显著减少了LLM的调用次数，同时提高了在MatKG数据集上发现假设的F1分数。