《npj Computational Materials》：Closed-loop workflow of high-entropy materials discovery: efficient and accurate synthesizability prediction via domain-specific local LLMs
编辑推荐：
为解决高熵材料(HEM)合成可行性预测难题，本研究通过321,083个无机成分数据集微调gpt-oss-20b、Qwen3-14b等本地LLM，在<15GB VRAM硬件上实现MCC>0.86的高精度预测，为闭环材料发现提供高效工具。
背景：高熵材料的“大海捞针”与AI的“水土不服”
高熵材料（High-Entropy Materials, HEMs）——由五种或更多主元素以近等摩尔比混合形成的晶体结构——正引领着材料科学的新浪潮。它们打破了传统材料“一种主元素”的设计范式，展现出极其优异的力学、热学和催化性能，被誉为材料界的“新大陆”。然而，这片新大陆太过广阔：元素周期表中数十种元素排列组合出的化学空间近乎无限，若依赖传统的“试错法”实验筛选，犹如大海捞针，成本高昂且效率低下。
在数字化时代，人们本能地想到利用人工智能（AI）来加速这一过程。但现实却很骨感：尽管商业大语言模型（Large Language Models, LLMs）在通用领域表现出色，但在预测HEM“能否被合成”这一关键问题上，却频频“翻车”。合成可行性（Synthesizability）是材料从理论设计走向实际应用的生死关卡，商业LLMs的“水土不服”成为了HEM发展的新瓶颈。此外，依赖云端商业API（应用程序接口）还存在数据隐私泄露、成本高昂且无法复现结果等风险。如何让AI既懂材料，又能安全、低成本地工作，是摆在研究者面前的严峻挑战。
方法：锻造“材料专家”的三大技术路径
为破解上述难题，研究团队在《npj Computational Materials》上提出了一种闭环工作流，核心是通过领域专用微调将开源本地LLMs转化为HEM预测专家。主要技术路线如下：
- 1.
构建高质量数据集：收集了包含321,083个无机成分的数据集，其中包含2,506个高熵材料示例，为模型训练提供坚实的“教材”。
- 2.
模型选择与优化：选取gpt-oss-20b、Qwen3-14b和DeepSeek-R1-Distill-Qwen-14b三款开源模型，并进行4-bit量化（一种模型压缩技术），使其能在普通硬件上高效运行。
- 3.
性能评估：采用马修斯相关系数（MCC）等指标严格评估模型预测合成可行性的准确度。
结果与发现
本地模型性能“逆袭”
经过领域专用数据微调后，本地LLMs展现出了惊人的预测能力。三款模型（gpt-oss-20b、Qwen3-14b、DeepSeek-R1-Distill-Qwen-14b）的MCC分别达到了0.860、0.875和0.868的高水平，显著优于未微调的通用模型，证明了“小模型+好数据”在专业领域可以超越“大而全”的商业模型。
极低的硬件门槛
研究的一个关键优势在于其可及性。经过量化后的模型对硬件要求极低，仅需不到15GB的显存（VRAM）即可流畅运行。这意味着研究人员无需依赖昂贵的计算集群或云端API，在单块消费级显卡上就能完成高效的HEM筛选，彻底摆脱了对外部计算资源的依赖。
闭环发现工作流
研究不仅停留在预测层面，更构建了一个完整的闭环发现（Closed-loop Discovery）体系。本地模型负责快速初筛候选材料，筛选出的结果交由实验验证，产生的实验数据（包括成功的和失败的“负结果”）再反馈回模型进行迭代优化。这种“预测-实验-学习”的循环极大地加速了发现进程。
结论与展望：开启材料发现的“自动驾驶”模式
这项工作成功地证明了领域特异性微调可以将开源本地LLMs转化为高效、准确的材料发现引擎。它解决了HEM开发中的核心痛点——合成可行性预测，同时兼顾了数据隐私、成本可控和结果可复现性。
更重要的是，这种分布式本地模型支持的闭环工作流，为实现自主化材料发现（Autonomous Materials Discovery）铺平了道路。未来的研究重点在于社区协作，特别是共享包含“负结果”的合成数据，这将极大丰富模型的“阅历”，让AI在材料发现的“自动驾驶”道路上行驶得更稳、更快。
