當前預訓練大語(yǔ)言模型的蓬勃發(fā)展為面向科學(xué)文獻的領(lǐng)域NLP（Natural Language Processing ，?NLP）任務(wù)帶來(lái)了新的前景。我中心大數據部與國家納米科學(xué)中心合作，構建了大模型增強的電催化還原和合成過(guò)程的開(kāi)源數據集，幫助催化領(lǐng)域科學(xué)家快速發(fā)現新型高效催化劑并完成制備，同時(shí)發(fā)布了基于電催化領(lǐng)域文獻預訓練和標注數據指令微調后的大模型參數，為催化材料領(lǐng)域的其他生成式任務(wù)提供模型支持。該研究成果在Nature數據子刊Scientific?Data上發(fā)表。大數據部陳雪青、王露笛為論文共同第一作者，杜一研究員為論文共同通訊作者。

該成果得到重點(diǎn)研發(fā)計劃青年科學(xué)家項目“基于領(lǐng)域知識圖譜的光電催化材料挖掘軟件”以及國家基礎學(xué)科公共科學(xué)數據中心等項目的支持。

語(yǔ)料庫構建的整體框架及合成過(guò)程拆解流程

論文鏈接：

https://www.nature.com/articles/s41597-024-03180-9

數據庫鏈接：

https://doi.org/10.57760/sciencedb.13290；

https://doi.org/10.57760/sciencedb.132924；

https://doi.org/10.57760/sciencedb.13293。

責任編輯：郎楊琴