Large Language モデルを用いた金属有机骨格（MOF）合成プロセスの規模拡大予測

arXiv:2604.20899v1 Announce Type: cross アブストレイクト： 大規模合成は、金属有机骨格（MOF）の発見から工業的実装へと続く門番であり、そのための知識は disparate（異質で断片的な）レポートに分散しています。本研究では、ESU-MOFという文書解析されたデータセットとポジティブ・ラベルなし学習戦略を導入し、大規模言語モデルを微調整します。これにより、91.4％の精度で規模拡大の可能性を予測することができ、工業的な MOF 発見のために迅速なデータに基づくスクリーニングを可能としました。

arXiv:2604.20899v1 Announce Type: cross Abstract: Scalable synthesis remains the gate between MOF discovery and industrial deployment, as scale-up know-how is fragmented across disparate reports. We introduce ESU-MOF, a literature-mined dataset and a positive-unlabeled learning strategy that fine-tunes large language models to predict scalability potential with 91.4% accuracy, enabling rapid data-driven triage for industrial MOF discovery.