超三万种材料，近百万真实材料合成表征信息，LLM精准构建材料知识图谱MKG，登NeurIPS 2024

本文介绍了新南威尔士大学、同济大学、香港城市大学和GreenDynamics团队如何利用大型语言模型（LLM）构建材料知识图谱（MKG），以整合和分析分散在数百万文献中的材料学知识。MKG通过自动化构建本体论、知识抽取、知识清洗和材料发现四个步骤，成功构建了一个包含超过十余种材料科学重要属性、十五万个节点和近百万个关系的知识图谱。该图谱不仅加速了材料科学研究的深度和广度，还预测了未来几年在能源领域可能出现的潜在材料。研究成果被机器学习顶级会议NeurIPS 2024接收，展示了人工智能在材料科学中的巨大潜力和应用前景。