沙丘社区
论文

MSP-LLM：面向完整材料合成规划的统一大语言模型框架

MSP-LLM: A Unified Large Language Model Framework for Complete Material Synthesis Planning

Heewoong Noh, Gyoung S. Na, Namkyeong Lee, Chanyoung Park
模型推理推理策略与问题分解

摘要

材料合成规划（MSP）仍是AI驱动材料发现中一个基础性且研究不足的瓶颈，因为它不仅需要识别合适的前驱体材料，还需要设计连贯的合成操作序列以实现目标材料。尽管已有若干基于AI的方法被提出以处理MSP的孤立子任务，但解决整个MSP任务的统一方法尚未建立。我们提出MSP-LLM，一个统一的基于LLM的框架，将MSP表述为由两个子问题构成的结构化过程：前驱体预测（PP）与合成操作预测（SOP）。我们的方法引入离散的材料类别作为中间决策变量，将两个任务组织成化学上一致的决策链。对于SOP，我们进一步将层级化的前驱体类型作为与合成相关的归纳偏置，并采用一种显式条件化策略，在自回归解码状态中保留与前驱体相关的信息。大量实验表明，MSP-LLM在PP与SOP以及完整MSP任务上均持续超越现有方法，展示了一个有效且可扩展的MSP框架，能够加速真实世界的材料发现。

MSP-LLM：面向完整材料合成规划的统一大语言模型框架
图1：MSP-LLM 的总体框架。给定目标材料，MSP-LLM 首先预测前驱体集合（PP），然后在所预测前驱体的条件下生成合成操作序列（SOP），从而得到完整的 MSP。PP 与 SOP LLM 上方的输入-输出文本展示了各任务在 LLM 微调期间使用的示例提示。