Aug, 2023

材料科学实验室设备本体论：大型材料表征设备

HTML
PDF
TL;DR该论文介绍了一种新的材料科学实验室设备本体，称为MSLE。该本体将语义传感网络（SSN）和材料词汇（MatVoc）的两个主要本体集成到MSLE核心中，以构建一个一致的设备本体。本论文还提出使用简单的知识组织系统（SKOS）来表示设备术语的层次结构，通过与领域专家的紧密合作开发了该本体。本体包括材料表征领域中的大型设备，通过SHACL模型表示约束。通过展示和验证建模约束的原型，展示了模型的价值。
发现论文，激发创造
  • 金属增材制造缺陷检测本体

    本文介绍了如何将本体论应用于高级制造服务中，以解决数据集成、语义互操作性问题以及监控和决策任务，并提供了一个针对金属添加制造文献中已知的过程性缺陷的本体，并与现有的本体进行整合，从而扩展了本体在增材制造领域的建模能力。

    Sep, 2022

  • MatKB：多晶材料合成工艺的语义搜索

    本文提出了一种利用自然语言处理技术对材料科学进行知识抽取和检索的新方法，将来自超过950万篇研究文章的结构化知识自动挖掘出来，并整合到一个搜索引擎中，使材料科学家能够更精确地搜索有关特定材料、属性和实验的信息。

    Feb, 2023

  • 科学技术本体论：新兴主题的分类

    该研究介绍了一个包含科学技术领域中非传统主题的自动化科学技术本体，并通过连接不同领域和专业之间相关或具有共性的主题来促进跨学科研究与合作。使用从2021年10月到2022年8月从语义学者(Semantic Scholar)收集的393,991篇科学文章构建S＆TO。目前，S&TO划分了四个科学领域中的5153个主题和13155个语义关系，可以通过对更新的数据集运行BERTopic 来更新模型。

    May, 2023

  • 利用语义网络技术对位错动力学数据建模

    材料科学与工程领域的研究主要集中在材料的设计、合成、性质和性能。晶体材料是一类被广泛研究的重要材料，包括金属和半导体。晶体材料通常包含一种名为“位错”的不同类型缺陷，该缺陷显著影响材料的诸多性质，包括强度、断裂韧性和延展性。最近，研究人员通过实验表征技术和模拟（如位错动力学模拟）致力于理解位错行为。本文介绍了如何利用语义Web技术通过本体对位错动力学模拟数据进行建模。我们通过添加缺失的概念并将其与两个相关本体（即基础多透视材料本体和材料设计本体）进行对齐，扩展了现有的位错本体，从而实现了对位错模拟数据的有效表示。此外，我们展示了一个实际应用案例，将离散位错动力学数据表示为知识图（DisLocKG），展示了它们之间的关系。我们还开发了一个SPARQL终端，为查询DisLocKG带来了极大的灵活性。

    Sep, 2023

  • 从以OTTR为中心的本体工程方法中获得的洞察

    用OTTR模板表示本体模型模式，通过实例化模板来构建本体或知识库，隐藏了本体表示语言的特定性，使本体工程师能够从某种程度上将信息建模的决策与信息建模的方式（例如，使用哪些设计模式）的决策分开，可以延迟某些决策以便更专注于这些过程，本文概述了我们在材料科学领域的本体工程活动的方法论和研究结果，OTTR模板在这些活动中起着关键作用，我们的本体工程过程自下而上，从现有数据进行建模活动，然后通过模板将数据输入到知识图中，同时也是自上而下的，首先关注要建模的数据，将数据建模的方式推迟，我们发现，OTTR模板在与领域专家进行沟通方面特别有用，此外，由于OTTR模板封装了建模决策，工程过程具有灵活性，意味着设计决策可以以很小的代价进行更改。

    Sep, 2023

  • 基于生成检索增强的本体图和多智能体策略的解释性大型语言模型材料设计

    使用Transformer神经网络和大型语言模型进行材料分析、知识生成和力场开发的研究。

    Oct, 2023

  • LLM 是否准备好面对现实世界的材料探索？

    基于材料科学知识和假设生成及假设测试，我们描述了材料科学LLMs的框架，以及构建大规模多模态数据集的挑战和应用MatSci-LLMs进行材料发现的路线图。

    Feb, 2024

  • 大语言模型时代的材料科学：一个观点

    我们提供一个对大型语言模型在材料科学研究中的适用性的观点，认为它们处理一系列任务和学科中的模糊需求的能力使它们成为帮助研究人员的强大工具。我们定性地研究了基础的大型语言模型理论，并将其与文献中的相关性质和技术联系起来，然后提供了两个案例研究，展示了它们在大规模任务自动化和知识提取中的应用。我们认为，在当前的发展阶段，大型语言模型应该被视为能够加速和统一领域探索的不知疲倦的工具，而不是新见解的神谕。希望本文能让材料科学研究人员了解到运用这些工具的相关概念。

    Mar, 2024

  • MaterioMiner - 基于本体的文本挖掘数据集，用于提取过程-结构-性质实体

    本研究填补了本体与文本语料之间的数据集缺口，提出了MaterioMiner数据集和材料力学本体。通过179个类别的细粒度标注，该数据集可用于训练和基准测试神经符号模型，实现了命名实体识别模型训练的可行性，推动了材料语言模型的开发和知识图谱的生成。

    Aug, 2024

  • HoneyComb：基于灵活的LLM的材料科学代理系统

    本研究针对传统大型语言模型在材料科学任务中的局限性，提出了HoneyComb，一个专门为材料科学设计的LLM代理系统。通过结合高质量的材料科学知识库（MatSciKB）和先进的工具中心（ToolHub），HoneyComb能显著提高材料科学任务的推理和计算能力，并在多个任务中显著超越基线模型，展现出其在推动科学研究和应用中的广泛潜力。

    Aug, 2024