摘要
人工智能（AI）正在改变科学发现，但其有效性受到结构化科学知识可用性的根本限制。虽然现有数据库加速了数据驱动的材料研究，但预测建模和逆向设计所需的许多知识仍然嵌入于非结构化的科学文献中。我们提出了一种自主科学知识生成框架，该框架将科学出版物转化为统一的AI准备科学知识库。
框架概述
该框架整合了本体引导的文献获取、混合科学知识提取、语义协调、知识融合和验证，形成一个统一的工作流程。与其将文献检索、信息提取和数据库构建视为独立任务，该框架逐步将科学出版物转换为适合AI驱动推理的结构化、语义一致且保留来源的知识。
概念验证
作为概念验证，该框架被应用于电光材料。自主文献获取从多个学术库中检索并验证了约1,000篇出版物。经过完整工作流程处理的代表性子集包含八篇出版物，生成了29个结构化科学记录，并协调为7个规范科学记录。
结果与意义
结果展示了从科学文献到AI准备科学知识库的完整转变，同时保留了定量测量、操作条件、来源和科学背景。所提出的框架提供了一个可扩展的、领域独立的基础，适用于预测AI、生成AI和闭环AI驱动的科学发现。
博主点评： 该框架的提出有效解决了科学文献中知识提取的难题，展示了AI在科学研究中应用的巨大潜力。通过结构化知识的生成，未来的科学发现将更加高效与精准。