材料合成路径预测是物质科学领域的重要课题。1990年诺贝尔化学奖授予了美国有机化学家Elias James Corey教授。近年来大语言模型的崛起以及预训练-微调方法的应用，使得通用大语言模型的理解能力在各垂直领域显示出了较好的表现，但在材料领域仍缺乏相关的应用和研究。

近期，我中心人工智能部和中国科学院物理研究所SF10组合作，通过使用来自400多万篇论文中提取的35675个无机材料固相反应合成过程，将数据处理为13878条高可信度的合成路径描述数据，并对开源大语言模型LLaMA2-7B进行微调训练，成功研发了专注于无机材料合成路径预测任务的大语言模型——MatChat（http://chat.aicnic.cn/onchat），目前已经上线运行并开放使用。

该模型基本具备材料合成领域知识的生成和推理能力，经实验验证，在预测合成复杂的无机材料时，具备了超过ChatGPT的性能表现。受限于数据集的数量和质量，该研究成果仍然需要更多的语料使其满足不同材料设计的需求，但也展示出了大模型在材料领域具有强大的创新潜力和应用空间，为材料研究和创新带来了新启发和思路。

该项成果由中国科学院计算机网络信息中心王彦棡研究员、中国科学院物理研究所孟胜研究员牵头，已发表在Chinese Physics B期刊。论文共同第一作者为我中心人工智能部硕士研究生陈子逸、工程师万萌，通信作者为物理所刘淼研究员、中心王宗国副研究员。该工作得到中国科学院网信专项（CAS-WX2023SF-0101）应用示范项目的支持。

MatChat模型部署平台对话实例

相关成果：

Chen, Z.-Y., et al. (2023). "MatChat: A Large Language Model and Application Service Platform for Materials Science." Chinese Physics B.

论文链接：https://iopscience.iop.org/article/10.1088/1674-1056/ad04cb

平台：http://chat.aicnic.cn/onchat

代码：https://github.com/materialsCnicCas/CASMatChat

责任编辑：郎杨琴