材料科学中的大型语言模型：角色、挑战和战略展望

本文探讨了大型语言模型（LLMs）在材料科学中的应用及其潜在影响。背景方面，材料科学作为跨学科领域，涉及复杂的实验设计和数据分析，而人工智能技术的发展为材料研究提供了新的工具。研究目的旨在分析LLMs在材料科学中的四个关键角色：知识检索与重组（Oracle）、快速性能预测（Surrogate）、输出不确定性评估（Quant）和决策支持（Arbiter）。结论指出，尽管LLMs在数据异质性、可解释性和任务对齐等方面面临挑战，但通过开发领域适应型基础模型、建立标准化跨模态数据基础设施等方法，LLMs有望推动材料科学从经验试错向智能发现转变，实现更高效、可解释和可持续的研究范式。