Training-Free Active Learning Framework in Materials Science with Large Language Models

文章核心总结与翻译一、主要内容本文提出一种基于大型语言模型（LLM）的无训练主动学习框架（LLM-AL），旨在解决材料科学领域传统机器学习（ML）主动学习方法存在的冷启动、特征工程依赖和泛化性不足等问题。核心设计：LLM-AL采用迭代少样本学习模式，设计两种提示策略——适用于成分型/结构化数据的简洁参数格式提示，以及适用于实验型/流程化数据的扩展描述文本提示，无需模型微调，仅通过提示工程适配不同任务。实验验证：在四种异质材料科学数据集（钢合金、聚合物纳米复合材料、钙钛矿、膜材料）上，将LLM-AL与随机森林回归器（RFR）、极端梯度提升（XGBoost）、高斯过程回归器（GPR）、贝叶斯神经网络（BNN）四种传统ML模型进行基准测试。关键结果：所有数据集上，LLM-AL能减少70%以上的实验次数即可找到最优候选材料，多数场景下仅需30%以内的数据量；提示策略需适配数据类型：高维成分数据适合参数格式，低维流程化数据适合报告格式；尽管LLM存在固有非确定性，但其性能稳定性与传统ML模型相当，多次运行和不同随机种子下结果一致；LLM-AL表现出更广泛的探索性搜索模式，在特征空间中遍历距离更长，但仍能更快收敛到最优解。二、创新点无训练泛化框架