Помощник сценариста▸ 
AI Приложения 
AI Новости 
Darwin: большая модель для материаловедения, химии и физики
Darwin: большая модель для материаловедения, химии и физикиОписание
Модель Darwin — это большая языковая модель (LLM), специально разработанная для области естественных наук (особенно физики, химии и материаловедения), которая повышает эффективность языковых моделей в научных исследованиях за счёт интеграции структурированных и неструктурированных научных знаний.
Функции Darwin:
Проектирование материалов: модель Darwin способна самостоятельно проектировать новые материалы, анализируя их свойства и характеристики, прогнозируя их поведение в различных условиях, что ускоряет процессы обнаружения и разработки материалов.
Научные вопросы и ответы: модель объединяет большой объём данных научных вопросов и ответов, способна предоставлять точную информацию и решения в ходе научных исследований, помогая исследователям быстро получать необходимые знания.
Анализ данных: модель Darwin может обрабатывать и анализировать сложные научные данные, выявлять закономерности и тенденции в данных, поддерживая процесс принятия решений в научных исследованиях.
Междисциплинарные исследования: благодаря мощным возможностям обработки языка модель Darwin способствует сотрудничеству между различными дисциплинами, стимулируя развитие междисциплинарных исследований.
Технические особенности:
Междисциплинарная интеграция: Darwin объединяет знания из нескольких областей, включая физику, химию и материаловедение, и способен решать сложные междисциплинарные задачи.
Генерация научных инструкций (SIG): за счёт автоматической генерации данных инструкций для научных текстов снижается зависимость от ручной разметки и предметных графов знаний, что значительно повышает эффективность и точность модели.
Многозадачное обучение: Darwin применяет стратегию многозадачного обучения, выявляя внутренние связи между научными задачами, что повышает обобщающую способность и производительность модели.
Открытый исходный код и расширяемость: Darwin основан на модели LLaMA с открытым исходным кодом, поддерживает вклад сообщества и расширение, что позволяет гибко добавлять новые модули знаний в будущем.
Производительность модели:
Превосходит GPT-4: в задачах научных вопросов и ответов и решения химических задач модель Darwin 7B показывает лучшие результаты, чем GPT-4 и дообученный GPT-3.5.
Результаты SOTA: в задачах материаловедения MatBench модель Darwin достигла самых современных (SOTA) результатов в задачах прогнозирования экспериментальной ширины запрещённой зоны и классификации металлов, превзойдя специализированные модели машинного обучения.
Двухэтапная стратегия обучения: Darwin 1.5 за счёт тонкой настройки на QA и многозадачного обучения значительно повысил производительность модели в задачах прогнозирования свойств материалов — до 60%.
Сценарии применения:
Обзор и анализ литературы: помогает исследователям быстро систематизировать огромные объёмы научной литературы и извлекать ключевую информацию.
Оптимизация дизайна экспериментов: путём анализа исторических экспериментальных данных предоставляет рекомендации по оптимизации параметров экспериментов.
Проектирование и прогнозирование материалов: поддерживает прогнозирование свойств, классификацию и обратное проектирование материалов, ускоряя обнаружение новых материалов.
Помощь в образовании: выступает в роли интеллектуального помощника в научном образовании, предоставляя индивидуальные рекомендации для обучения и ответы на вопросы.
Последняя версия модели Darwin — Darwin 1.5, которая ещё больше расширяет возможности её применения в области материаловедения. Эта версия объединяет более обширные данные научных вопросов и ответов и задачи материаловедения, повышая точность и эффективность модели в прогнозировании свойств материалов и их обнаружении. Кроме того, в Darwin 1.5 используется фреймворк тонкой настройки языкового интерфейса (LIFT), что делает модель более эффективной и гибкой при решении сложных научных задач.
На практике модель Darwin не ограничивается проектированием материалов — она также может применяться в таких биомедицинских областях, как разработка лекарств и диагностика заболеваний, демонстрируя свой междисциплинарный потенциал. За счёт глубокой интеграции с научной литературой и наборами данных модель Darwin способна предоставлять исследователям более точную научную поддержку, стимулируя процесс научных открытий.
Модель Darwin разработана Университетом Нового Южного Уэльса (UNSW) ai4Science в сотрудничестве с GreenDynamics AI и представляет собой проект с открытым исходным кодом, ориентированный на предварительное обучение и тонкую настройку модели LLaMA для повышения её эффективности в научной области. Её основная цель — ускорить процесс научных открытий с помощью автоматизированных методов, управляемых искусственным интеллектом, и снизить зависимость от проприетарных моделей ИИ.
Репозиторий кода Darwin: https://github.com/masterai-eam/darwin
