「国家杰青」王金兰领衔！东南大学周跫桦Nature子刊 | 大语言模型精确预测三维晶体结构的前体和合成能力！

本文介绍了东南大学王金兰教授和周跫桦副教授团队开发的一种基于大语言模型（LLM）的晶体合成预测框架（CSLLM）。该框架通过三个专用LLM分别预测三维晶体结构的可合成性、合成方法及合适前驱体。研究团队构建了包含可合成和不可合成晶体结构的综合数据集，并设计了高效的晶体文本表示方法（"材料字符串"）来微调LLM。实验结果显示，可合成性LLM的准确率达到98.6%，显著优于传统基于热力学和动力学稳定性的方法。此外，方法LLM与前驱体LLM对二元/三元化合物的合成方法分类和前驱体预测准确率均超过90%。该框架成功筛选出45632种可合成理论结构，并通过图神经网络预测其23项关键性质。尽管合成条件的精确预测仍需高质量数据集支撑，但CSLLM通过用户友好界面实现了理论设计与实验合成的桥梁作用，为材料发现提供了高效工具。