تقييم نماذج اللغة الكبيرة مفتوحة المصدر لأبحاث الإطارات المعدنية العضوية

مع تطور تعلم الآلة، والتعلم العميق، ونماذج اللغة الكبيرة (LLMs) مثل GPT-4 (GPT: مولد محول مدرب مسبقاً)، تلعب أدوات الذكاء الاصطناعي (AI) دوراً متزايد الأهمية في البحث الكيميائي ومجال المواد لتسهيل فحص وتصميم المواد. على الرغم من التقدم المثير للمساعدة في أبحاث الذكاء الاصطناعي المبنية على GPT-4، لم تحظ نماذج LLMs مفتوحة المصدر باهتمام كبير من المجتمع العلمي. يركز هذا العمل بشكل أساسي على الإطارات المعدنية العضوية (MOFs) كأحد مجالات الكيمياء، وقام بتقييم ستة نماذج LLMs مفتوحة المصدر الأعلى تصنيفاً بمجموعة شاملة من المهام بما في ذلك معرفة MOFs، المعرفة الأساسية في الكيمياء، المعرفة العميقة في الكيمياء، استخلاص المعرفة، قراءة قاعدة البيانات، التنبؤ بخصائص المواد، تصميم التجارب، توليد السكريبتات الحاسوبية، إرشاد التجارب، تحليل البيانات، وتحرير الأوراق، مما يغطي الوحدات الأساسية لبحوث MOFs. بشكل عام، كانت هذه النماذج قادرة على معظم المهام. بشكل خاص، وُجد أن Llama2-7B و ChatGLM2-6B تؤديان بشكل جيد جداً مع موارد حاسوبية معتدلة. بالإضافة إلى ذلك، تمت مقارنة أداء إصدارات المعاملات المختلفة لنفس النموذج، مما كشف عن أداء متفوق للإصدارات ذات المعاملات الأعلى.