物理所聯合院網絡中心發布AI模型MatChat

材料合成路徑預測是物質科學領域的重要課題。1990年諾貝爾化學獎授予了美國有機化學家Elias James Corey教授，表彰他開發了計算機輔助有機合成的理論和方法，將人類300多條經驗寫進計算機編碼，成為制藥領域的重要工具軟件。無機材料受限于合成路徑的復雜度和缺乏數據集等因素，尚未有清晰的化學合成路徑預測機制。

人工智能（AI）大模型的崛起是近幾年人工智能領域的一項重大突破。人工智能大模型是指具有大規模參數數量的人工智能模型。這些模型通常使用深度學習算法，并且由數百萬到數千億個參數組成。這些參數用于表示模型在學習任務中的知識和能力。人工智能大模型的目標是通過學習大規模數據集中的模式和規律來實現強大的圖像識別、自然語言處理、語音識別等人工智能任務。大模型的參數數量可以幫助它們更好地捕捉輸入數據的復雜特征，并進行更精確的推斷和預測。一些著名的人工智能大模型包括BERT（Bidirectional Encoder Representations from Transformers）、GPT（Generative Pre-trained Transformer）和BERT （Bidirectional Encoder Representations from Transformers），這些模型在自然語言處理領域取得了顯著的成果。

近期，中國科學院物理研究所/北京凝聚態物理國家研究中心SF10組和中國科學院計算機網絡信息中心共同合作，將AI大模型應用于材料科學領域，將數萬個化學合成路徑數據投喂給大語言模型LLAMA2-7b，從而獲得了MatChat模型，可用來預測無機材料的合成路徑。該模型可根據所詢問的結構進行邏輯推理，并輸出相應的制備工藝和配方。目前已部署上線（http://chat.aicnic.cn/onchat），并向所有材料科研人員開放使用，為材料研究和創新帶來了新啟發和新思路。

該工作為大語言模型在細分科學領域的應用，提出了一種有可能的解決思路，并初步展示出了方法的可行性。通過自然語言模型提取文獻數據，進而將文獻數據用于語言模型訓練是發展細分科學領域的一條可行路徑。這項工作展示了無機材料合成路徑預測領域的“萊特兄弟一分鐘飛翔“，受限于數據集的數量和質量，模型預測精度尚受到一定限制。未來合作團隊計劃將更多的文獻數據、Atomly.net 數據庫等諸多高質量數據集用于模型訓練，讓無機材料合成路徑預測的大飛機飛的更高更遠。

這一成果近期以“MatChat: A Large Language Model and Application Service Platform for Materials Science”為題，在Chinese Physics B 最新開辟的Computational Program for Physics 欄目發表。由物理所孟勝研究員、中國科學院計算機網絡信息中心王彥棡研究員領銜。劉淼研究員、王宗國副研究員為本文的通訊作者，謝帆愷為本文的第一作者。該工作得到中國科學院網信專項（CAS-WX2023SF-0101）應用示范項目的支持。

文章信息

Chen, Z.-Y., et al. (2023). "MatChat: A Large Language Model and Application Service Platform for Materials Science." Chinese Physics B, 2023, 32（11):118104.

文章軟件代碼：
https://github.com/materialsCnicCas/CASMatChat

MatChat模型網站：
http://chat.aicnic.cn/onchat

文章鏈接
https://iopscience.iop.org/article/10.1088/1674-1056/ad04cb

封面圖 & 圖1 MatChat人工智能模型基本框架及功能細節