知识图谱

知识图谱研究小组专注于 化学信息的收集、知识图谱的构建及其应用，旨在推动 人工智能在化学领域的智能化发展。小组成员涵盖化学、计算机等交叉学科背景，致力于利用 大语言模型（LLM）、知识图谱（KG）、检索增强生成（RAG） 等技术手段，助力化学研究，提升科学家的探索能力。

研究方向

• 化学信息收集（Chemical Information Extraction）
  利用闭源大语言模型及微调后的开源大模型，从文献等非结构化数据中提取、清洗、存储结构化化学信息，构建高质量数据基础。
• 化学知识图谱构建（Chemical Knowledge Graph Construction）
  定义 知识图谱Schema，设计本体（Ontology），将化学领域的海量信息结构化，形成可计算、可推理的知识体系。
• 知识图谱应用（Applications of Knowledge Graphs）
  结合RAG、LLM、知识推理等技术，提供精准且可溯源的问答，支持 化学反应路径推荐、节点推理预测 等任务，为化学家提供智能辅助决策工具。

未来展望

我们将进一步探索 大模型与知识图谱在化学研究中的深度融合，提升AI驱动的科学发现能力。研究小组期待与 学术界及工业界 展开广泛合作，共同推动 智能化化学研究 的边界。