Large Language Models in Chemistry and Materials Science: A Comprehensive Survey

英文原文与中文译文逐段对照 · English original with Chinese translation

Jinshi Li, Chengchun Liu, Chengrui Wei, Yimi Wang, Boxuan Zhao, Zhiyuan Yan, Wendi Cai, Wenchao Wu, Shuangyan Tian, Zifu Wang, Weida Wang, Shufei Zhang, Jie Zhu, and Fanyang Mo

引用本文：ChemRxiv (2026). DOI: 10.26434/chemrxiv.15009184/v1. 2026 年 9 月 21 日发布。

摘要：大语言模型正在通过连接科学知识、异构数据、计算工具和实验流程，拓展人工智能在化学与材料科学中的应用范围。本文系统综述了以大语言模型为核心的科学智能系统所涉及的基础、表征、方法、应用与评估，提出一个“表征—机制”分类框架，将文本、分子与晶体结构、光谱、图像和数值性质，与模型适配、跨表征对齐、外部知识和工具调用以及工作流协同联系起来。文章总结了提示工程、领域预训练与微调、偏好对齐与验证器驱动的强化学习、多模态融合、检索增强及智能体方法，并讨论其在文献理解、性质预测、分子与材料设计、合成规划、表征分析、假设生成和闭环发现中的应用。本文还梳理了代表性数据集与基准，提出从任务性能、信息保真度、不确定性、化学与物理有效性以及工作流可靠性等维度开展评估，并展望了统一科学表征、高效模型适配、可复用知识与工具接口以及可验证人机协作等研究方向。

注：本文为 ChemRxiv 预印本。预印本全文：ChemRxiv。