近日，研究人員發(fā)現(xiàn)，經(jīng)過微調(diào)后的類ChatGPT系統(tǒng)展現(xiàn)出在化學(xué)研究領(lǐng)域的驚人天賦，能夠精確預(yù)測(cè)分子和材料的特性或反應(yīng)的產(chǎn)率。這一發(fā)現(xiàn)為化學(xué)實(shí)驗(yàn)室?guī)砹藦?qiáng)大的新工具，無需復(fù)雜的機(jī)器學(xué)習(xí)模型即可獲得深入的化學(xué)見解。
大型語言模型（LLM）是在大量文本集合上訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)，通過統(tǒng)計(jì)預(yù)測(cè)來生成響應(yīng)。為了探索LLM在化學(xué)領(lǐng)域的應(yīng)用潛力，計(jì)算化學(xué)家Kevin Jablonka及其團(tuán)隊(duì)對(duì)GPT-3進(jìn)行了微調(diào)。他們首先從文獻(xiàn)中收集有關(guān)化合物或材料的信息，并將其格式化為問答形式。然后，將這些數(shù)據(jù)發(fā)送到OpenAI，以添加到LLM的訓(xùn)練集中。經(jīng)過微調(diào)的系統(tǒng)能夠回答有關(guān)原始化合物或材料的預(yù)測(cè)問題，即使這些化合物或材料并未明確包含在輸入數(shù)據(jù)中。
研究團(tuán)隊(duì)測(cè)試了微調(diào)后的GPT-3在回答有關(guān)“高熵”合金查詢方面的能力。高熵合金由大致等量的兩種或多種金屬制成，其金屬如何混合一直是個(gè)謎。然而，經(jīng)過微調(diào)的GPT-3能夠正確猜測(cè)其中一種合金中的金屬如何排列。此外，當(dāng)要求系統(tǒng)回答有關(guān)訓(xùn)練數(shù)據(jù)中未包含的“未知”材料的問題時(shí)，其準(zhǔn)確性與更專業(yè)的化學(xué)機(jī)器學(xué)習(xí)工具相當(dāng)，甚至與計(jì)算機(jī)模擬的結(jié)果相當(dāng)。
研究人員還證明了，當(dāng)他們微調(diào)GPT-3的開源版本GPT-J時(shí)，可以獲得類似的結(jié)果。這意味著預(yù)算較少的實(shí)驗(yàn)室也能夠開發(fā)自己的版本，而無需付費(fèi)或?qū)で笊虡I(yè)幫助。這一技術(shù)的民主化使得更多化學(xué)家能夠受益于機(jī)器學(xué)習(xí)的力量。
化學(xué)工程師Andrew White表示，該技術(shù)能夠僅根據(jù)化合物的化學(xué)式進(jìn)行預(yù)測(cè)，這一事實(shí)非常令人驚訝。他已經(jīng)在自己的新項(xiàng)目中使用了這種方法，例如基于微調(diào)LLM設(shè)計(jì)新催化劑。White認(rèn)為，這是他們?cè)陂_展新項(xiàng)目時(shí)嘗試的第一種方法。
盡管該方法需要人類收集信息并準(zhǔn)備LLM輸入，但Jablonka及其團(tuán)隊(duì)的目標(biāo)是設(shè)計(jì)未來的版本，能夠自動(dòng)從現(xiàn)有文獻(xiàn)中挖掘文本并實(shí)現(xiàn)這一步驟。這一進(jìn)步將為化學(xué)研究帶來更高效、更便捷的解決方案，推動(dòng)科學(xué)領(lǐng)域的快速發(fā)展。
總之，經(jīng)過微調(diào)后的類ChatGPT系統(tǒng)展現(xiàn)出在化學(xué)研究領(lǐng)域的驚人天賦，為化學(xué)實(shí)驗(yàn)室提供了強(qiáng)大的新工具。這一技術(shù)的民主化將使得更多化學(xué)家能夠受益于機(jī)器學(xué)習(xí)的力量，推動(dòng)化學(xué)領(lǐng)域的快速發(fā)展。未來，隨著技術(shù)的不斷進(jìn)步和完善，我們期待看到更多創(chuàng)新應(yīng)用的出現(xiàn)。
原創(chuàng)文章，作者：小丸子，如若轉(zhuǎn)載，請(qǐng)注明出處：http://2079x.cn/article/629505.html
