MatSemNet 用 LLM 读 700+ 篇论文,把反应路径当序列加速催化剂发现
bravo_abad · x · 2026-09-20
Liu 等研究者发布 MatSemNet 方法，用 LLM 从 700 多篇催化论文中提取信息，但关键在于不把文献压缩成传统的材料数据表：
- 保留多类信息：同一催化材料在不同电解液、pH、电压和反应路径下表现迥异，传统表格化会丢失这些上下文；MatSemNet 将文本描述、数值条件和文献报道的反应路径作为不同类型的信息分别保留。
- 反应路径作为序列建模：用专门的 LSTM 学习中间产物（如 NO₃ → NO₂）的排列顺序模式，并结合实验条件一起建模。
作者认为，在硝酸盐制氨等催化剂发现任务中，保留反应上下文比把文献「拍平」成表格能带来更好的效果。
「研究」频道最新
- 用 LLM 攻关 800+ 图论猜想：已产出 30 多个完整证明 — marc_lelarge · 2026-09-20
- AI agent 时代学术署名危机,青年研究者抛出两大追问 — YiMaTweets · 2026-09-20
- ZGCM-1 中文数据集登 HF 趋势,规模 1B-10B — zgcagi · 2026-09-20
- Gary Marcus 反驳 LLM「痛感方向」论文：语言聚类不等于会痛 — anilkseth · 2026-09-20
- 《模拟人生》Smart Zoi 用微调 1B 小模型驱动 50 个 AI NPC 实时决策 — Kangwook_Lee · 2026-09-20
- LlamaIndex 实测 100+ 模型文档解析，发布 ParseBench 评测集 — solyarisoftware · 2026-09-20