Corpus of MOFs-LLM

开发了一种特定领域的大型语言模型 MOFs-LLM，用于加速用于储氢的金属有机框架 （MOF） 的逆向设计和合成。该模型使用来自 6,000 多篇 MOF 相关出版物和 15,000 种晶体结构的 2.1 亿个代币进行训练，将化学知识与结构特征相结合，以改进结构-性质推理。与基线方法相比，MOFs-LLM 在捕获结构-属性关系方面实现了 46.7% 的增强。它支持对 60 个候选框架进行逆向设计，这些框架针对氢储存性能和合成可及性进行了优化。在该模型的指导下，通过三次实验迭代合成了一种新型 MOF （Cu-LLMs-1），在室温下氢吸收率为 1.33 wt%，在可比条件下排名前五的纯 MOFs。这些发现强调了领域训练语言模型在材料发现中桥接虚拟筛选和实验实现的潜力。