arXiv cs.CL· Dikshya Mohanty, Manoj Praveen Nandigama, Kuldeepsinh Raj, Sourav Kanti Maiti, Jiannan Yang, Ruiqi Luo, Srinivasa Phani Madhav Marupudi, Mounika Geriki, Prayag Raghunandan, Puneet Lingutla, Tengfei Ma, Niranjan Balasubramanian, Nav Nidhi Rajput·· 10 小时前AI 评分38
ElectroChemLLM：面向高保真电化学信息学的多模态 LLM 流水线
ElectroChemLLM: A Multimodal LLM Pipeline for High-Fidelity Electrochemical Informatics
AI 导读
ElectroChemLLM 是一个多模态信息抽取流水线，可从非结构化科学 PDF 中联合识别电解质组成、电极材料、电池配置及其理化性质，结合混合文档解析与视觉能力 LLM 编排，跨文本、表格和图表提取可验证的结构化数据。在 232 篇人工标注论文基准的电池电解质子集上，其 F-1 分数达 0.97，并已用于构建覆盖 15,000 篇电化学研究文章的结构化数据库 ElectroChemDB。
正文 · AI 翻译
作者：Dikshya Mohanty、Manoj Praveen Nandigama、Kuldeepsinh Raj、Sourav Kanti Maiti、Jiannan Yang、Ruiqi Luo、Srinivasa Phani Madhav Marupudi、Mounika Geriki、Prayag Raghunandan、Puneet Lingutla、Tengfei Ma、Niranjan Balasubramanian、Nav Nidhi Rajput
摘要：电化学是解决当今许多挑战的核心，包括面向可持续未来的储能系统，其进步在很大程度上依赖于过往研究的数据。现有的自动化流水线受限于纯文本架构、上下文碎片化和数值幻觉——这些因素共同阻碍了对性质数据库进行准确、大规模的管理。我们提出了 ElectrochemLLM，一种多模态信息抽取流水线，可从非结构化科学 PDF 中大规模联合识别结构化的电化学记录，涵盖电解质组成、电极材料、电池配置及其测得的物理化学性质。通过将混合文档解析与具备视觉能力的 LLM 编排相结合，该流水线可跨文本、表格和图像提取可验证的结构化数据。在我们对 232 篇论文人工标注的基准的电池-电解质子集上评估，ElectrochemLLM 取得了 0.97 的 F-1 分数，并已应用于构建 ElectroChemDB，这是一个涵盖 15,000 篇电化学研究文章的结构化数据库。我们通过训练用于电解质性质预测的机器学习模型展示了该资源的实用性，说明了从非结构化文献到预测性材料发现的完整路径。
| 主题： | 计算与语言（cs.CL）；数据库（cs.DB）；信息检索（cs.IR）；机器学习（cs.LG） |
| 引用为： | arXiv:2611.00638 [cs.CL] |
| （或本版本的 arXiv:2611.00638v1 [cs.CL]） | |
| https://doi.org/10.48550/arXiv.2611.00638 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Dikshya Mohanty [查看邮箱]
[v1]
2026年10月31日星期六 05:05:27 UTC（12,593 KB）
来源：arXiv cs.CL · arxiv.org