将化学知识编译为可执行描述符, 用于材料预测

摘要

材料预测取决于科学知识的表示方式，但许多规则只是自然语言启发式，常规学习器无法直接使用。作者提出大语言模型辅助框架 CRISP，将表示构建视为规则空间探索与编译：不访问结构、标签或数据划分，反复采样相关化学规则，整合并编译为可执行标量描述符。在无机晶体的 positive-unlabeled 可合成性预测中，CRISP 在共享学习器下优于专家构建和通用结构表示，并超过专用可合成性模型；结构尺寸和化学家族偏移下优势最明显，低频规则也提供互补信息。同一流程在形成能和离子电导率上得到有竞争力的表示，但揭示剪切模量的任务依赖局限，提供了不依赖数据集的、可审计的路径。