ИИ-агент на основе большой языковой модели для исследования органических полупроводниковых приборов

Большие языковые модели (LLM) в последнее время привлекают широкое внимание, однако их применение в специализированных научных областях по-прежнему требует существенной адаптации. В настоящей работе разработан агент искусственного интеллекта (ИИ) для органических полевых транзисторов (OFET), созданный путем интеграции модели Generative Pre-trained Transformer 4 (GPT-4) с хорошо обученными алгоритмами машинного обучения (ML). Агент позволяет эффективно извлекать экспериментальные параметры OFET из научной литературы и преобразовывать их в структурированную базу данных; при этом показатели точности и полноты превышают 92%. В сочетании с хорошо обученными моделями ML этот ИИ-агент может дополнительно предоставлять целевые рекомендации и предложения по проектированию приборов. С использованием инженерии промптов и стратегий с участием человека в контуре агент извлек достаточный объем информации о 709 OFET из 277 научных статей, опубликованных различными издательствами, и объединил ее в стандартизированную базу данных, содержащую более 10 000 параметров приборов. На основе этой базы данных была обучена модель ML на основе метода экстремального градиентного бустинга для оценки характеристик приборов. В сочетании с интерпретацией высокоточной модели агент предложил реализуемую схему оптимизации, которая позволила втрое улучшить свойства переноса заряда OFET на основе 2,6-дифенилдифенотиено[3,2-b:2',3'-d]тиофена. Данная работа демонстрирует эффективное применение LLM в области органических оптоэлектронных приборов и расширяет исследовательскую парадигму органических оптоэлектронных материалов и приборов.