本文由Shuangjun Li、Zhixin Huang、Yuanming Li、Shuai Deng和Xiangkun Elvis Cao等作者共同完成，分别来自韩国大学化学与生物工程系、天津大学内燃机国家重点实验室、韩国大学电气工程学院以及麻省理工学院化学工程系。该研究于2025年发表在《Energy and AI》期刊上，题为《Methodology for Predicting Material Performance by Context-Based Modeling: A Case Study on Solid Amine CO2 Adsorbents》。研究的主要目标是提出一种基于上下文建模的新方法，利用大语言模型（LLMs）预测材料性能，并以固体胺CO2吸附剂在直接空气捕获（DAC）条件下的性能预测为例进行验证。

学术背景

材料信息学（Materials Informatics, MI）是材料科学中的一个重要领域，通过大数据和机器学习（Machine Learning, ML）加速新材料的发现与设计。传统MI方法主要依赖数值数据，忽略了文献中的大量文本信息。这些文本信息包含了丰富的实验经验和规律性知识，能够显著提高预测模型的准确性和可扩展性。本研究提出了一种基于上下文建模的方法，结合数值和文本信息，利用大语言模型（如ChatGPT 4o）进行材料性能预测。研究以固体胺CO2吸附剂在DAC条件下的吸附性能为例，展示了该方法在材料科学中的潜力。

研究流程

研究分为三个主要步骤：数据收集、提示准备和模型预测。

1. 数据收集

研究从22篇同行评审的文献中提取了170个数据点，构建了一个包含数值和文本信息的综合数据集。输入特征分为三组：固体载体的物理性质（如比表面积和孔体积）、负载胺的化学性质（如胺类型、分子量、氮原子含量、不同胺官能团的比例和负载量）以及测试条件（如温度、CO2分压和相对湿度）。输出特征为CO2吸附量。

2. 提示准备

提示设计包括三个部分：指令知识（Instruction Knowledge, IK）、输入-输出对和测试案例。指令知识详细描述了输入特征与输出特征之间的关系，输入-输出对提供了多个示例，测试案例则用于模型预测未知数据的输出。提示设计逐步增加信息量，从仅使用数值数据到包含输入特征的意义和影响条件，最终形成完整的提示。

3. 模型预测

研究使用ChatGPT 4o模型进行预测，并通过消融实验验证了不同提示配置对预测结果的影响。结果表明，包含完整文本信息的提示配置（“full prompt”）在预测精度和可靠性上表现最佳。与传统ML模型（如线性回归、随机森林、XGBoost和多层感知器）相比，ChatGPT 4o模型在减少预测误差和解释数据方差方面表现更为出色。

主要结果

研究通过消融实验和模型对比分析，验证了基于上下文建模的方法在预测固体胺CO2吸附性能上的优越性。具体结果如下：

1. 消融实验：包含完整文本信息的提示配置（“full prompt”）在所有评估指标（MAE、MSE、R²和R）上表现最佳，表明结合数值和文本信息能够显著提高预测精度。
2. 模型对比：ChatGPT 4o模型在MSE、MAE、R²和R等指标上均优于传统ML模型，展示了其在处理复杂数据关系上的优势。
3. 特征重要性分析：通过Shapley Additive Explanations（SHAP）分析，研究发现固体载体的物理性质（如孔体积和比表面积）和胺负载量对CO2吸附性能的影响最大，测试条件的影响相对较小。

结论

本研究提出了一种基于大语言模型的材料性能预测方法，通过结合数值和文本信息，显著提高了预测精度和可扩展性。研究以固体胺CO2吸附剂为例，展示了该方法在材料科学中的应用潜力。与传统ML模型相比，基于上下文建模的方法能够更好地捕捉复杂的数据关系，减少对数值数据的依赖，并为材料性能预测提供了新的思路。

研究亮点

1. 创新性方法：首次将大语言模型应用于材料性能预测，结合数值和文本信息，显著提高了预测精度。
2. 广泛适用性：该方法不仅适用于固体胺CO2吸附剂，还可扩展到其他材料性能预测领域。
3. 高效性与成本效益：通过减少对数值数据的依赖，该方法能够以较低的成本和较高的效率完成复杂的预测任务。

研究价值

本研究为材料科学领域提供了一种新的预测工具，能够更高效地预测材料性能，加速新材料的开发与应用。此外，该方法还为其他领域的复杂预测任务提供了参考，展示了人工智能技术在科学研究中的广泛应用前景。

其他有价值的内容

研究还提供了详细的SHAP分析结果，揭示了不同输入特征对CO2吸附性能的影响，为材料设计和优化提供了重要参考。此外，研究代码和数据集已在GitHub上开源，便于其他研究者复现和扩展研究结果。