محققان با ارائه دستورالعمل‌هایی به مدل هوش مصنوعی ChatGPT، از آن به عنوان دستیار استفاده کردند. این دستیار در خوانش مقالات و ارائه پیشنهادات در سنتز چارچوب‌های آلی فلزی به دانشمندان کمک کرد.
توسعه مواد جدید به صرف زمان و کار قابل توجهی نیاز دارد، اما برخی از شیمیدانان اکنون امیدوارند که هوش مصنوعی (AI) روزی بتواند بیشتر این بار را به دوش بکشد. در مقاله جدیدی با عنوان (ChatGPT Chemistry Assistant for Text Mining and the Prediction of MOF Synthesis) که در مجله انجمن شیمی آمریکا به چاپ رسیده است، یک تیم تحقیقاتی مدل هوش مصنوعی ChatGPT، را وادار کرد تا یک کار بسیار وقت‌گیر را انجام دهد: جستجوی مقالات علمی. با این داده‌ها، آنها ابزار دوم برای پیش‌بینی نتایج تجربی ساختند.
به گفته ی سینا پرس، گزارش‌های حاصل از مطالعات قبلی، حجم وسیعی از اطلاعات مورد نیاز شیمیدانان را ارائه می‌دهند، اما یافتن و تحلیل مرتبط‌ترین جزئیات می‌تواند کار دشواری باشد. برای مثال، کسانی که علاقه‌مند به طراحی چارچوب‌های متخلخل و کریستالی آلی فلزی (MOF) هستند، باید صدها مقاله علمی را که شرایط آزمایشی مختلفی را توصیف می‌کنند، مرتب کنند.
محققان قبلاً تلاش کرده‌اند تا هوش مصنوعی را متقاعد کنند تا این وظیفه را بر عهده بگیرد. با این حال، مدل‌های پردازش زبانی که آنها استفاده می‌کردند، به تخصص فنی قابل توجهی نیاز داشت و استفاده از آنها در موضوعات جدید به معنای تغییر برنامه بود. عمر یاغی و همکارانش می‌خواستند ببینند که آیا نسل بعدی مدل‌های زبان، که شامل ChatGPT می‌شود، می‌تواند راه قابل‌دسترسی و انعطاف‌پذیرتری برای استخراج اطلاعات ارائه دهد یا خیر.
برای تجزیه و تحلیل متن از مقالات علمی، این تیم به ChatGPT دستورات یا دستورالعمل‌هایی داد و آن را با کمک این دستورات هدایت کرد. محققان با دقت این دستورالعمل‌ها را ساختند تا تمایل مدل به ارائه پاسخ‌ها را به حداقل برسانند، پدیده‌ای که به عنوان توهم شناخته می‌شود. با این کار هوش مصنوعی را به سوی ارائه بهترین پاسخ‌های ممکن سوق دادند.
این روش هنگامی که روی ۲۲۸ مقاله مربوط به سنتزهای MOF مربوط بود، آزمایش شد، این سیستم بیش از ۲۶۰۰۰ عامل مربوط به ساخت تقریباً ۸۰۰ مورد از این ترکیبات را استخراج کرد. با این داده‌ها، این تیم یک مدل هوش مصنوعی جداگانه را برای پیش بینی وضعیت کریستالی MOFها بر اساس این شرایط آموزش داد. در نهایت، برای اینکه داده‌ها کاربرپسندتر شوند، یک ربات چت برای پاسخ به سؤالات مربوط به آن ساختند.
این تیم خاطرنشان می کند: برخلاف تلاش های قبلی مبتنی بر هوش مصنوعی، این مورد نیازی به تخصص در کدنویسی ندارد. علاوه بر این، دانشمندان می توانند تمرکز خود را به سادگی با برخی تنظیمات تغییر دهند. به گفته محققان، این سیستم جدید که آن را «دستیار شیمی ChatGPT» می‌نامند، می‌تواند در زمینه‌های دیگر شیمی نیز مفید باشد.
توسعه مواد جدید به صرف زمان و کار قابل توجهی نیاز دارد، اما برخی از شیمیدانان اکنون امیدوارند که هوش مصنوعی (AI) روزی بتواند بیشتر این بار را به دوش بکشد. در مقاله جدیدی با عنوان (ChatGPT Chemistry Assistant for Text Mining and the Prediction of MOF Synthesis) که در مجله انجمن شیمی آمریکا به چاپ رسیده است، یک تیم تحقیقاتی مدل هوش مصنوعی ChatGPT، را وادار کرد تا یک کار بسیار وقت‌گیر را انجام دهد: جستجوی مقالات علمی. با این داده‌ها، آنها ابزار دوم برای پیش‌بینی نتایج تجربی ساختند.
به گفته ی سینا پرس، گزارش‌های حاصل از مطالعات قبلی، حجم وسیعی از اطلاعات مورد نیاز شیمیدانان را ارائه می‌دهند، اما یافتن و تحلیل مرتبط‌ترین جزئیات می‌تواند کار دشواری باشد. برای مثال، کسانی که علاقه‌مند به طراحی چارچوب‌های متخلخل و کریستالی آلی فلزی (MOF) هستند، باید صدها مقاله علمی را که شرایط آزمایشی مختلفی را توصیف می‌کنند، مرتب کنند.
محققان قبلاً تلاش کرده‌اند تا هوش مصنوعی را متقاعد کنند تا این وظیفه را بر عهده بگیرد. با این حال، مدل‌های پردازش زبانی که آنها استفاده می‌کردند، به تخصص فنی قابل توجهی نیاز داشت و استفاده از آنها در موضوعات جدید به معنای تغییر برنامه بود. عمر یاغی و همکارانش می‌خواستند ببینند که آیا نسل بعدی مدل‌های زبان، که شامل ChatGPT می‌شود، می‌تواند راه قابل‌دسترسی و انعطاف‌پذیرتری برای استخراج اطلاعات ارائه دهد یا خیر.
برای تجزیه و تحلیل متن از مقالات علمی، این تیم به ChatGPT دستورات یا دستورالعمل‌هایی داد و آن را با کمک این دستورات هدایت کرد. محققان با دقت این دستورالعمل‌ها را ساختند تا تمایل مدل به ارائه پاسخ‌ها را به حداقل برسانند، پدیده‌ای که به عنوان توهم شناخته می‌شود. با این کار هوش مصنوعی را به سوی ارائه بهترین پاسخ‌های ممکن سوق دادند.
این روش هنگامی که روی ۲۲۸ مقاله مربوط به سنتزهای MOF مربوط بود، آزمایش شد، این سیستم بیش از ۲۶۰۰۰ عامل مربوط به ساخت تقریباً ۸۰۰ مورد از این ترکیبات را استخراج کرد. با این داده‌ها، این تیم یک مدل هوش مصنوعی جداگانه را برای پیش بینی وضعیت کریستالی MOFها بر اساس این شرایط آموزش داد. در نهایت، برای اینکه داده‌ها کاربرپسندتر شوند، یک ربات چت برای پاسخ به سؤالات مربوط به آن ساختند.
این تیم خاطرنشان می کند: برخلاف تلاش های قبلی مبتنی بر هوش مصنوعی، این مورد نیازی به تخصص در کدنویسی ندارد. علاوه بر این، دانشمندان می توانند تمرکز خود را به سادگی با برخی تنظیمات تغییر دهند. به گفته محققان، این سیستم جدید که آن را «دستیار شیمی ChatGPT» می‌نامند، می‌تواند در زمینه‌های دیگر شیمی نیز مفید باشد.
