거대 언어 모델 기반 결정 조성 생성
무기 재료의 표적 발견은 방대한 조성 설계 공간과 포괄적 스크리닝의 높은 비용으로 인해 여전히 난제로 남아있습니다. 특정 작업에 특화된 생성형 AI는 효율적인 대안이지만, 실제 이점을 제공하기 전에 번거로운 학습 데이터 수집이 필요합니다. 반면, 범용 거대 언어 모델(LLM)은 특정 미세 조정 없이 단일 최적 재료 조성을 표적 생성하는 데 큰 잠재력을 보여주었습니다. 본 연구는 LLM이 대규모 설계 공간에서 특정 속성 공간의 전체 영역을 효과적이고 체계적으로 탐색할 수 있음을 입증합니다. 대규모 화학 공간에서 생성 작업의 벤치마크인 엘파솔라이트 재료를 활용하여, 반복적인 프롬프트-응답 프레임워크가 목표 영역 내 모든 저에너지 엘파솔라이트의 평균 96%를 복구할 수 있음을 확인했습니다. 이러한 성능은 주로 반복적인 문맥 내 학습에 의해 달성되었으며, 기존의 특정 작업 모델의 생성 능력을 뛰어넘습니다. 본 연구 결과는 범용 LLM이 역재료 설계 워크플로우를 위한 유연하고 접근 가능한 구성 요소임을 확립합니다.