Perovskite-Chat, Perovskite-Reasoning

Perovskite-Chat数据集包含了55,101条高质量的问题回答对，通过一个新颖的多智能体框架生成，旨在为钙钛矿太阳能电池研究提供领域特定的知识辅助。Perovskite-Reasoning数据集则包含了2,217个经过精心策划的材料科学问题，用于增强科学推理能力。这两个数据集均源自钙钛矿领域的研究文献，其中Perovskite-Chat数据集的问题回答对来源于2,214篇高影响力论文。

The Perovskite-Chat dataset contains 55,101 high-quality question-answer pairs generated via a novel multi-agent framework, designed to provide domain-specific knowledge assistance for perovskite solar cell research. The Perovskite-Reasoning dataset, on the other hand, includes 2,217 carefully curated materials science questions intended to enhance scientific reasoning abilities. Both datasets are derived from research literature in the perovskite field, and the question-answer pairs of the Perovskite-Chat dataset originate from 2,214 high-impact papers.

搜集汇总

数据集介绍

构建方式

Perovskite-Chat 和 Perovskite-Reasoning 数据集的构建采用了多智能体框架。首先，从 1,517 篇研究论文中提取了 23,789 个实体和 22,272 个关系，构建了 Perovskite-KG 知识图谱。然后，利用多智能体框架生成了 55,101 个高质量的问题回答对，形成了 Perovskite-Chat 数据集。此外，还创建了 Perovskite-Reasoning 数据集，包含 2,217 个精心策划的材料科学问题，用于增强科学推理能力。

特点

Perovskite-Chat 数据集包含 55,101 个高质量的问题回答对，覆盖了七个研究类别，而 Perovskite-Reasoning 数据集则包含 2,217 个材料科学问题，旨在提高科学推理能力。这些数据集的特点在于它们的专业性和高质量，能够为钙钛矿太阳能电池研究提供有效的知识管理和推理支持。

使用方法

使用 Perovskite-Chat 数据集时，可以通过多智能体框架生成高质量的问题回答对，从而为研究人员提供关于钙钛矿太阳能电池研究的详细指导。使用 Perovskite-Reasoning 数据集时，可以通过精心策划的材料科学问题来训练模型，以增强科学推理能力。这些数据集可以用于文献回顾、实验设计以及复杂问题解决等研究任务。

背景与挑战

背景概述

钙钛矿太阳能电池（PSCs）的快速发展导致研究出版物的指数级增长，迫切需要在该领域建立高效的知识管理和推理系统。Perovskite-LLM系统应运而生，旨在通过三个关键组件解决这一挑战。首先，构建了Perovskite-KG，一个从1517篇研究论文中构建的领域特定知识图，包含23,789个实体和22,272个关系，涵盖了制造工艺、参数和性能指标。其次，创建了两个互补的数据集：Perovskite-Chat，包含55,101个高质量的问题回答对，通过一个新颖的多代理框架生成；Perovskite-Reasoning，包含2,217个精心策划的材料科学问题。第三，引入了两个专用的大型语言模型：PerovskiteChat-LLM用于领域特定知识辅助，Perovskite-Reasoning-LLM用于科学推理任务。该系统在领域特定知识检索和科学推理任务中显著优于现有模型，为研究人员提供了有效的工具，用于文献回顾、实验设计和复杂问题解决。

当前挑战

Perovskite-LLM系统面临的挑战包括：1)知识覆盖范围：虽然知识图涵盖了PSC文献的很大一部分，但它可能无法涵盖所有新兴的研究方向和新的实验技术。未来的工作应侧重于开发自动知识库扩展和更新机制，以保持其相关性。2)推理深度：尽管Perovskite-Reasoning-LLM显示出有希望的结果，但它在更复杂的多步推理任务上的性能仍有改进的空间，特别是与GPQA基准测试中的较大模型相比。未来的研究将探索先进的推理架构和训练策略。3)模型大小权衡：虽然我们的7B参数模型实现了有竞争力的性能，但某些复杂任务可能受益于更大的模型架构，这表明效率和功能之间存在潜在的权衡。未来的工作将研究模型压缩技术更有效的架构。

常用场景

经典使用场景

Perovskite-Chat 和 Perovskite-Reasoning 数据集是专门为钙钛矿太阳能电池研究设计的，旨在帮助研究人员高效地管理和利用这一领域的知识。Perovskite-Chat 数据集包含了 55,101 个高质量的问答对，这些问答对是通过一个新颖的多智能体框架生成的，涵盖了七个研究类别。Perovskite-Reasoning 数据集包含了 2,217 个精心策划的材料科学问题，旨在增强科学推理能力。这两个数据集可以用于训练特定于领域的语言模型，为研究人员提供文献综述、实验设计和复杂问题解决等任务的有效工具。

衍生相关工作

Perovskite-Chat 和 Perovskite-Reasoning 数据集的发布推动了相关研究的发展。例如，基于 Perovskite-Chat 数据集训练的 PerovskiteChat-LLM 模型在特定领域的知识检索任务中表现出色，而基于 Perovskite-Reasoning 数据集训练的 Perovskite-Reasoning-LLM 模型在科学推理任务中展现出强大的能力。这些研究成果为进一步探索大型语言模型在材料科学领域的应用提供了新的思路和方向。

数据集最近研究

最新研究方向

钙钛矿太阳能电池领域的研究正迅速发展，对知识管理和推理系统的需求日益增长。Perovskite-LLM系统的提出，通过构建领域特定的知识图谱（Perovskite-KG）和多智能体框架生成的高质量问答数据集（Perovskite-Chat）以及科学推理数据集（Perovskite-Reasoning），为研究者提供了高效的知识检索和科学推理工具。该系统在特定领域知识检索和科学推理任务中均表现出显著优势，为文献回顾、实验设计和复杂问题解决提供了有效支持。未来研究将集中于自动知识库更新、增强推理能力以及提高模型实用性的方向，以促进钙钛矿材料科学的创新和发现。

相关研究论文

• Perovskite-LLM: Knowledge-Enhanced Large Language Models for Perovskite Solar Cell Research

  香港科技大学（广州） · 2025年