通过集成大语言模型使数学知识可解释、可访问且可互操作

数学模型是形式化研究问题的核心，但其文档往往达不到FAIR原则的要求。诸如Mathematical Model Database（MathModDB）之类的知识库通过提供经策展、语义丰富的数学模型表示来弥补这一缺口。MathModDB构建于Wikibase之上——与Wikidata底层的开源基础设施相同——利用语义网技术支持关联开放数据、协同编辑以及语义增强元数据的存储，使其成为更广泛的Wikidata生态系统中的一个领域特定知识图谱。然而，目前访问MathModDB要么需要操作复杂的网页界面，要么需要熟练掌握SPARQL和Wikibase API，这给潜在用户造成了重大障碍。此外，将此类策展知识库与存储在例如Dataverse存储库实例中的实际研究数据相结合仍然是一个挑战。为克服这些局限，我们提出通过一个模型上下文协议（MCP）服务器将大语言模型（LLM）与MathModDB集成，该服务器提供向量索引的模式检索和基于Steiner树的连接规划器，将基于对话的自然语言交互与经策展、有认识论依据的知识结合起来。尽管该方法在MathModDB上实例化，这一架构也可应用于其他基于Wikibase的系统。我们证明，这一方法使LLM的使用具有认识论依据，将模型的可解释性和可访问性提升到标准Wikibase界面之上，并简化了与外部数据库和工具（如Dataverse数据存储库）的互操作。我们通过两个涉及连续介质力学和酶动力学领域数学模型的用例，借助MCP协议的适应性，阐释了将LLM的可访问性与策展知识库的认识论安全性相结合所带来的益处。