Die Entwicklung neuer Materialien erfordert viel Zeit und Arbeit, doch einige Chemiker hoffen nun, dass künstliche Intelligenz (KI) eines Tages einen Großteil dieser Last tragen könnte. In einer neuen Studie in der Zeitschrift der American Chemical Society, veranlasste ein Team ein beliebtes KI-Modell, ChatGPT, eine besonders zeitaufwändige Aufgabe auszuführen: die Suche nach wissenschaftlicher Literatur. Mit diesen Daten bauten sie ein zweites Werkzeug, ein Modell zur Vorhersage experimenteller Ergebnisse.
Berichte aus früheren Studien bieten eine große Fülle an Informationen, die Chemiker benötigen, aber das Finden und Analysieren der relevantesten Details kann mühsam sein. Wer beispielsweise an der Entwicklung hochporöser, kristalliner metallorganischer Gerüste (MOFs) interessiert ist, die potenzielle Anwendungen in Bereichen wie sauberer Energie haben, muss Hunderte von wissenschaftlichen Arbeiten durchsehen, in denen verschiedene experimentelle Bedingungen beschrieben werden.
Forscher haben bereits zuvor versucht, die KI dazu zu überreden, diese Aufgabe zu übernehmen. Die von ihnen verwendeten Sprachverarbeitungsmodelle erforderten jedoch erhebliches technisches Fachwissen, und ihre Anwendung auf neue Themen erforderte eine Änderung des Programms. Omar Yaghi und Kollegen wollten herausfinden, ob die nächste Generation von Sprachmodellen, zu denen auch ChatGPT gehört, eine zugänglichere und flexiblere Möglichkeit zum Extrahieren von Informationen bieten könnte.
Um Text aus wissenschaftlichen Arbeiten zu analysieren, gab das Team ChatGPT Eingabeaufforderungen oder Anweisungen und führte es durch drei Prozesse, die darauf abzielten, die in den Manuskripten enthaltenen experimentellen Informationen zu identifizieren und zusammenzufassen. Die Forscher haben diese Aufforderungen sorgfältig konstruiert, um die Tendenz des Modells, Antworten zu erfinden, ein Phänomen, das als Halluzination bekannt ist, zu minimieren und die bestmöglichen Antworten sicherzustellen.
Bei einem Test anhand von 228 Veröffentlichungen, die MOF-Synthesen beschreiben, extrahierte dieses System mehr als 26.000 Faktoren, die für die Herstellung von etwa 800 dieser Verbindungen relevant sind. Mit diesen Daten trainierte das Team ein separates KI-Modell, um den kristallinen Zustand von MOFs basierend auf diesen Bedingungen vorherzusagen.
Und schließlich haben sie, um die Daten benutzerfreundlicher zu gestalten, einen Chatbot entwickelt, um Fragen dazu zu beantworten. Das Team stellt fest, dass im Gegensatz zu früheren KI-basierten Bemühungen hier keine Programmierkenntnisse erforderlich sind. Darüber hinaus können Wissenschaftler den Fokus verschieben, indem sie einfach die Erzählsprache in den Aufforderungen anpassen. Dieses neue System, das sie „ChatGPT Chemistry Assistant“ nennen, könnte den Forschern zufolge auch in anderen Bereichen der Chemie nützlich sein.
Mehr Informationen:
Zhiling Zheng et al, ChatGPT-Chemieassistent für Text Mining und die Vorhersage der MOF-Synthese, Zeitschrift der American Chemical Society (2023). DOI: 10.1021/jacs.3c05819