2026-09-20
北京大学等用 LLM 从 700 余篇文献抽出电催化数据,做成多模态网络 MatSemNet;按催化剂类型分组测试 R² 0.727,并实验验证镧掺杂 Co3O4 在碱性下氨法拉第效率 85.5%、产率 28.3 mg h⁻¹ cm⁻²。
电催化文献里的法拉第效率(Faradaic efficiency, FE)几乎永远跟实验条件绑死:组成、电解液、pH、电位、池型变一项,数字就不能直接比。把论文里的数字抠出来喂给模型,若再按样本随机划分训练和测试,相近条件会漏进两边。这篇实测,随机划分后两边样本平均相似度超过 58%。模型看起来准,其实在背实验条件。
单靠描述符的机器学习吃不下文本和反应路径;单靠大语言模型抽信息,又过不了复杂化学体系的可靠性门槛。北京大学、北京工商大学、中山大学深圳校区做的 Material Semantics Network(MatSemNet),把两件事接起来:先用 LLM 从 700 余篇电催化论文抽出结构化记录,再把文本语义、数值描述符和文献报告的反应路径编进同一个网络,专门预测硝酸根还原制氨(NO3RR)的 FE。
流程分三段。
筛催化剂时把体系钉在 CoOx,再扫镧系掺杂。SHAP 显示电解液是最重要特征,和 NO3RR 常识一致。训练集里出现过若干稀土元素,但没有与后续实验完全对得上的稀土掺杂尖晶石 Co3O4 配方,这一步已经在做配方外推。
分组测试上,MatSemNet 的 R² 是 0.727,测试 MAE 0.0891;训练 R² 0.8203、MAE 0.0225。同一划分下传统模型差一截:
| 模型 | 测试 R² | 测试 MAE |
| MatSemNet | 0.7270 | 0.0891 |
| Random Forest | 0.3147 | 0.0687 |
| XGBoost | 0.2611 | 0.0727 |
| LightGBM | 0.1820 | 0.0766 |
树模型 MAE 并不差,R² 低,说明它们压扁了 FE 的方差,排不出相对高低。换编码器:MaterialsBERT 的 R² 比 SciBERT 高 219.1%,比 MatBERT 高 9.16%,比 text-embedding-3-large 高 10.52%。加上 ReactionLSTM 后,MaterialsBERT 变体 R² 再升 31.56%。
模型在酸、碱、中性下都把镧排第一,碱性预测顺序为 La > Ce > Pr > Nd > Sm > Gd > Eu。实验做了这七种掺杂的 Co3O4 纳米棒。碱性下实测顺序几乎对齐,Sm、Gd、Eu 三者接近。最优 La-Co3O4 在 −0.5 V vs. RHE、碱性条件下氨 FE 85.5%、产率 28.3 mg h⁻¹ cm⁻²,连续 30 次计时电流波动小。酸性下模型给出偏高理论 FE,实验电流被析氢抢走。论文把酸性区间标成高不确定,只用相对排序。
ICP-OES 显示各样品稀土实际负载只在 1.14–1.28 wt%,浓度差解释不了排序。DFT 上 La-Co3O4 的 NO3⁻ 吸附最强,和实验、模型排序同向。
这是一条「文献抽取 → 防泄漏评估 → 模型排序 → 实验落地」的闭环,对文献催化数据比再训一个描述符回归更有用。分组划分和 58% 相似度这个对照,比 R² 本身更值得学:文献数据不独立同分布,随机划分会把模型吹高。ReactionLSTM 把文献路径当上下文编码器,不把路径写成机理真理,口径也比常见的「AI 发现了反应机理」老实。
落地有门槛。代码和数据集以「后续研究」为由不公开,只能向通讯作者申请。LLM 型号也没写。想复现抽取管道的人会卡住。
作者把模型定位成趋势排序工具,酸性区间明确说不能当精确数值。验证集中在 CoOx / 稀土掺杂这一条线,尽管讨论里宣称框架与材料无关。训练集覆盖了 La、Ce 等元素,却没有同配方的尖晶石 Co3O4,外推幅度不小;这次实验对上了,仍需要别的催化体系再打一次。
抽取正确率按「一篇有一个关键字段错就算错」统计,80%–90% 是文档级,字段级错误率没给。抽检 300 篇相对 700 余篇全库,纠错后的残余噪声不清楚。树模型 MAE 更低、R² 更差,主指标选 R² 是为了排序,FE 绝对值校准并不占优。