材料数据库代理：科学文献挖掘的多模式代理框架

材料科学工作流程依赖于来自大量可用科学文献的结构化和非结构化数据。然而，大多数实验细节仍然隐藏在文本、表格、图表和图形中。因此，构建包含这些数据的数据库是一个手动、耗时且难以扩展的过程。多模态 大语言模型 使得从文本和科学图形中高速、准确地提取信息成为可能。这开启了人工智能系统创建生产规模材料数据库的可能性。材料数据库代理 (MDA) 是一种模块化、多代理系统架构，用于将研究文献转换为结构化数据库。 MDA 接受文章 PDF 作为输入，随后将其并行处理为 Markdown 文件和图形。多个子代理并行读取这些 Markdown 文件和图形，为每篇论文组装子数据库。然后，代理将这些子数据库编译成单个表格数据库。与使用基于规则的方法或单通道管道来提取信息不同，MDA 是一种专门的架构，用于将材料科学领域的文献转换为数据库。更一般地说，这项研究为将多模式代理信息提取定位为从原始文献构建下一代科学数据库的可行手段奠定了基础。