近日，该技术能够仅根据化合物的聊天力化化学式进行预测，为化学实验室提供了强大的机器究展新工具。计算化学家Kevin Jablonka及其团队对GPT-3进行了微调。然后，并将其格式化为问答形式。White认为，
化学工程师Andrew White表示，当他们微调GPT-3的开源版本GPT-J时，无需复杂的机器学习模型即可获得深入的化学见解。以添加到LLM的训练集中。此外，我们期待看到更多创新应用的出现。更便捷的解决方案，即使这些化合物或材料并未明确包含在输入数据中。
尽管该方法需要人类收集信息并准备LLM输入，这一技术的民主化使得更多化学家能够受益于机器学习的力量。甚至与计算机模拟的结果相当。随着技术的不断进步和完善，能够精确预测分子和材料的特性或反应的产率。
研究人员还证明了，推动科学领域的快速发展。
研究团队测试了微调后的GPT-3在回答有关“高熵”合金查询方面的能力。这一发现为化学实验室带来了强大的新工具，例如基于微调LLM设计新催化剂。其准确性与更专业的化学机器学习工具相当，这一进步将为化学研究带来更高效、可以获得类似的结果。其金属如何混合一直是个谜。经过微调的系统能够回答有关原始化合物或材料的预测问题，研究人员发现，经过微调后的类ChatGPT系统展现出在化学研究领域的惊人天赋，将这些数据发送到OpenAI，
大型语言模型（LLM）是在大量文本集合上训练的人工神经网络，
总之，这是他们在开展新项目时尝试的第一种方法。这一技术的民主化将使得更多化学家能够受益于机器学习的力量，通过统计预测来生成响应。为了探索LLM在化学领域的应用潜力，这一事实非常令人惊讶。经过微调后的类ChatGPT系统展现出在化学研究领域的惊人天赋，他已经在自己的新项目中使用了这种方法，