Predicting Scale-Up of Metal-Organic Framework Syntheses with Large Language Models

작성자

Haebom

카테고리

Empty

저자

Peter Walther, Hongrui Sheng, Xinxin Liu, Bin Feng, Reid Coyle, Xinhua Yan, Kyle Smith, Harrison Kayal, Shyam Chand Pal, Zhiling Zheng

💡 개요

금속-유기 골격체(MOF)의 산업적 응용을 위해서는 합성 규모 확대(scale-up)가 중요한 과제이지만, 관련 지식이 파편화되어 있어 어려움이 있습니다. 본 연구에서는 문헌에서 추출한 데이터를 바탕으로 대규모 언어 모델(LLM)을 파인튜닝하는 ScaleMOF를 제안하여, 규모 확대 가능성이 높은 MOF 후보를 우선순위화합니다. 이를 통해 93.5%의 높은 정확도로 규모 확대 가능성을 예측하는 문헌 기반 순위 결정 도구를 개발했습니다.

🔑 시사점 및 한계

•

MOF 합성 규모 확대에 대한 파편화된 지식을 LLM을 활용하여 통합하고 예측 모델을 구축할 수 있음을 보여주었습니다.

•

ScaleMOF는 새로운 MOF 개발 시 규모 확대 가능성이 높은 후보를 효율적으로 식별하는 데 기여할 수 있습니다.

•

제안된 방법론은 문헌 데이터에 의존하므로, 문헌에 충분히 보고되지 않은 MOF의 경우 예측 정확도가 저하될 수 있으며, 실제 실험적 검증이 추가적으로 필요합니다.

PDF 보기

Made with Slashpage