От DIVE к проектированию: как мультиагентный рабочий процесс превращает литературу, ориентированную на рисунки, в нативный для ИИ механизм поиска материалов для хранения водорода
DIVE-to-design: how a multi-agent workflow converts figure-centric literature into an ai-native hydrogen storage discovery engine
2026-03-27
SCID: 54.1/yx6ywgdy
Discuss with AI
фреймворк DIVEDigHydобратный дизайнмультиагентное извлечениетвердотельное хранение водорода
Figures from the paper
Abstract (AI)
Одним из основных препятствий для поиска материалов с использованием искусственного интеллекта (ИИ) является не архитектура моделей, а ограниченная доступность данных: критически важные экспериментальные сведения остаются заключёнными в рисунках, неоднородных форматах представления результатов и неструктурированных PDF-файлах. Недавнее исследование Li и соавт. предлагает решение этой проблемы благодаря внедрению DIVE (Descriptive Interpretation of Visual Expression — описательная интерпретация визуального представления), мультиагентной системы извлечения данных, преобразующей научные материалы, ориентированные на рисунки, в структурированные данные, пригодные для машинной обработки. Применительно к твердотельным материалам для хранения водорода DIVE обеспечивает существенное повышение эффективности извлечения по сравнению с обычным прямым разбором с помощью больших языковых моделей (LLM), а затем масштабируется для анализа 4 053 публикаций (1972–2025) и создания базы данных, содержащей более 30 000 записей, которая служит основой для последующего агента обратного проектирования DigHyd. Эта работа представляет практическую концепцию перехода от «чтения с помощью LLM» к «инфраструктуре открытий на основе ИИ», объединяя в едином рабочем процессе анализ литературы, оценку качества, построение базы данных и генерацию кандидатов с заданными целевыми характеристиками.
Key Findings
1
DIVE — это мультиагентная система, преобразующая ориентированную на рисунки и неоднородную научную литературу в структурированные машиночитаемые данные о материалах.
2
Система DIVE масштабируется до анализа 4 053 публикаций, опубликованных в период с 1972 по 2025 год, и создает базу данных объемом более 30 000 записей.
3
Для материалов твердотельного хранения водорода DIVE обеспечивает существенно более высокую эффективность извлечения данных по сравнению с прямым парсингом большими языковыми моделями.
4
Полученная база данных поддерживает последующий агент обратного проектирования DigHyd для генерации кандидатов материалов для хранения водорода под заданные целевые требования.
5
Рабочий процесс объединяет поиск и извлечение данных из литературы, оценку качества, построение базы данных и управляемое ИИ открытие материалов в единую инфраструктуру.
Research Object
материалы для твердотельного хранения водорода и научная литература о них, ориентированная на данные из рисунков
Research Subject
извлечение, структурирование и оценка качества экспериментальных знаний, полученных из рисунков, а также их последующее использование для открытий и обратного проектирования с помощью ИИ
Publication Details
Publication Date
2026-03-27
Journal
Publisher
ISSN
Cited by
9
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest