LitCurate：配置驱动的人工智能辅助科学数据库构建框架，应用于下地幔状态方程数据

不断增长的科学文献包含数十年的实验和计算结果，可以支持数据驱动和基于物理的建模，但其中大部分信息仍然锁定在出版物中，并且不容易用于大规模分析或科学软件。当必须首先在大量论文集中发现相关研究并且必须在足够的科学背景下提取报告的数量以保持可用时，从文献中构建结构化数据库尤其具有挑战性。我们推出了 LitCurate，这是一个开源框架，用于在可审核的分阶段管理工作流程中使用 大语言模型 从文献中构建科学数据库。 LitCurate 集成了文献发现、相关性筛选、全文处理和结构化信息提取，同时保留中间结果和来源，使研究人员能够检查和修改各个阶段，而不是将自动策展视为黑匣子过程。我们应用 LitCurate 从实验和理论研究中构建了下地幔和下地幔相关高压矿物相的状态方程数据库，其中包含来自 205 篇论文的 1,334 条条目。生成的数据集将报告的状态方程参数与矿物相、成分、方程公式、方法和参数约束联系起来，并在可以确定出处时将值标记为源报告或引文报告。这些记录可通过可搜索的网络应用程序获得。通过将科学文献与可追踪、机器可读的数据连接起来，LitCurate 提供了一种可重用的方法，将积累的文献转化为科学分析和计算建模的资源。