Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Perovskite-LLM : Modèles de langage étendus enrichis en connaissances pour la recherche sur les cellules solaires à pérovskite

Created by
  • Haebom

Auteur

Xiang Liu, Penglei Sun, Shuyan Chen, Longhan Zhang, Peijie Dong, Huajie You, Yongqi Zhang, Chang Yan, Xiaowen Chu, Tong-yi Zhang

Contour

Afin de répondre au besoin de systèmes efficaces de gestion des connaissances et de raisonnement, stimulé par les progrès rapides de la recherche sur les cellules solaires à pérovskite (PSC), cet article présente un système complet d'enrichissement des connaissances intégrant trois éléments clés. Premièrement, nous développons Perovskite-KG, un graphe de connaissances spécifique à un domaine comprenant 23 789 entités et 22 272 relations construites à partir de 1 517 articles de recherche. Deuxièmement, nous générons deux jeux de données complémentaires : Perovskite-Chat, composé de 55 101 paires questions-réponses de haute qualité générées à l'aide d'un nouveau cadre multi-agents, et Perovskite-Reasoning, contenant 2 217 problèmes de science des matériaux soigneusement sélectionnés. Troisièmement, nous introduisons deux modèles de langage spécialisés à grande échelle : Perovskite-Chat-LLM pour le support des connaissances spécifiques au domaine et Perovskite-Reasoning-LLM pour les tâches de raisonnement scientifique. Les résultats expérimentaux démontrent que le système proposé surpasse considérablement les modèles existants dans les tâches de recherche de connaissances spécifiques au domaine et de raisonnement scientifique, offrant aux chercheurs un outil efficace pour la revue de la littérature, la conception expérimentale et la résolution de problèmes complexes dans la recherche PSC.

Takeaways, Limitations

•
Takeaways:
◦
Nous fournissons des graphiques de connaissances, des ensembles de données de questions-réponses, des ensembles de données de problèmes de raisonnement scientifique et des modèles de langage à grande échelle spécialisés dans la recherche sur les cellules solaires à pérovskite, améliorant considérablement l'efficacité de la recherche.
◦
Il démontre des performances supérieures aux modèles existants dans les tâches de recherche de connaissances spécifiques à un domaine et de raisonnement scientifique.
◦
Contribue à l’avancement de la recherche PSC en fournissant des outils efficaces pour la revue de la littérature, la conception expérimentale et la résolution de problèmes complexes.
•
Limitations:
◦
Les performances des systèmes actuels dépendent de la qualité et de la quantité des données utilisées, et les biais des données peuvent affecter les résultats.
◦
À Mesure que de nouveaux résultats de recherche continuent d’émerger, une mise à jour et une gestion continues des graphiques de connaissances et des ensembles de données sont nécessaires.
◦
Parce qu’il s’agit d’un modèle spécialisé pour un domaine spécifique, il peut être difficile de l’appliquer à d’autres domaines.
◦
Des recherches supplémentaires sur l’explicabilité du modèle sont nécessaires.
👍
Made with Slashpage