🔬 materials science
Predicting Scale-Up of Metal-Organic Framework Syntheses with Large Language Models
تقدم هذه الورقة البحثية ESU-MOF، وهي عبارة عن مجموعة بيانات وإطار عمل للتعلم من البيانات غير المصنفة إيجابياً (positive-unlabeled learning) يعمل على ضبط النماذج اللغوية الكبيرة للتنبؤ بإمكانات قابلية التوسع لتخليق الأطر المعدنية العضوية بدقة تبلغ 91.4%، مما يسرع النشر الصناعي من خلال معالجة المعرفة المجزأة المتعلقة بعمليات التوسع في الإنتاج.
Peter Walther, Hongrui Sheng, Xinxin Liu, Bin Feng, Reid Coyle, Xinhua Yan, Kyle Smith, Harrison Kayal, Shyam Chand Pal (…)2026-04-24