Extracting ontology-compliant knowledge from scientific text describing irradiated materials using large language models
作者: Marco Luca Sbodio, Marcos Martínez Galindo, Vanessa Lopez, Blanca Biel, Pablo Canca, Pedro Delgado, Jesús I. Mendieta-Moreno, Raphael Tack, Maria J. Caturla
分类: cs.AI
发布日期: 2026-09-15
💡 一句话要点
提出eolas以解决科学文献中知识提取的挑战
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 知识图谱 大型语言模型 材料科学 自动化提取 本体对齐
📋 核心要点
- 现有方法在从科学文献中提取结构化数据时效率低下，且生成的数据格式简单，难以满足复杂需求。
- eolas通过模块化设计，利用大型语言模型自动将科学文献转化为符合特定本体的知识图谱，提升了数据提取的效率和质量。
- 实验结果表明，eolas在提取知识图谱时，所需时间从人类专家的30-90分钟缩短至几分钟，并提供了可视化的表格格式，便于验证。
📝 摘要（中文）
随着新材料的探索日益依赖于从原子到宏观尺度的预测模型和综合模拟，科学文献中的非结构化文本中往往蕴含着必要的数据，限制了其可重用性。虽然使用大型语言模型从非结构化文本中提取结构化数据的研究逐渐增多，但传统方法通常生成简单的键值对数据。本文提出了eolas，一个模块化管道，能够自动将科学文献转化为符合特定本体的知识图谱。我们展示了eolas在提取耐受极端温度和辐射的材料相关信息方面的有效性，显著缩短了数据提取时间，并提供了一个用于评估大型语言模型构建知识图谱能力的基准数据集。
🔬 方法详解
问题定义：本文旨在解决从科学文献中提取结构化知识的效率低下问题，现有方法生成的简单键值对数据无法满足复杂的研究需求。
核心思路：eolas通过模块化的管道设计，利用大型语言模型自动化地将科学文献转化为知识图谱，确保生成的数据符合特定的本体要求，从而提升数据的可用性和重用性。
技术框架：eolas的整体架构包括数据输入、文本处理、知识提取和知识图谱构建四个主要模块。首先，系统接收科学文献作为输入，然后通过语言模型进行文本分析，提取关键信息，最后构建符合本体的知识图谱。
关键创新：eolas的核心创新在于其模块化设计和对本体的严格遵循，使得生成的知识图谱不仅高效且具有结构化的复杂性，区别于传统的简单键值对方法。
关键设计：在技术细节上，eolas采用了特定的提示技术来优化大型语言模型的输出，并设计了适应不同领域的本体，以确保提取结果的准确性和相关性。具体的参数设置和损失函数设计在实验中经过反复调试，以达到最佳效果。
🖼️ 关键图片
📊 实验亮点
实验结果显示，eolas在知识图谱构建方面的效率显著提升，能够在几分钟内完成数据提取，而传统方法则需30至90分钟。此外，eolas生成的知识图谱在结构化和可视化方面表现优异，便于后续的验证和使用。
🎯 应用场景
该研究的潜在应用领域包括材料科学、核能研究和高温高辐射环境下的材料设计等。通过高效提取和结构化科学文献中的知识，研究人员能够更快地获取所需信息，推动新材料的开发与应用，具有重要的实际价值和长远影响。
📄 摘要（原文）
The quest for new materials increasingly relies on predictive models and comprehensive simulations that span scales from atomic to macroscopic levels. However, essential data necessary for these models and simulations are often embedded in scientific literature as unstructured text, limiting reusability and posing challenges for researchers seeking to leverage existing knowledge effectively. While extracting structured data from unstructured text using large language models is gaining popularity, traditional methods typically generate key-value pairs data with straightforward schemas. In contrast, we introduce eolas, a modular pipeline that uses large language models to automatically transform scientific documents into knowledge graphs aligned with a specified ontology. We demonstrate eolas effectiveness in extracting useful information for scientists studying materials designed to endure the extreme temperatures and radiation levels found in fusion reactors. While a human expert might spend between thirty to ninety minutes extracting relevant data from an article, eolas can generate high-quality knowledge graphs in just a few minutes. These are presented in a tabular format with faceted navigation for easy human validation. Additionally, we introduce the first benchmark dataset designed to assess large language models capabilities in constructing knowledge graphs within the domain of irradiated materials. The analysis of 168 experiments using our dataset, various large language models and prompting techniques provides key insights that we summarize into practical guidelines for effectively extracting knowledge graphs aligned with an input ontology.