一种基于大语言模型的新污染物全氟化合物吸附材料设计方法

本发明公开了一种基于大语言模型的新污染物全氟化合物吸附材料设计方法，首先构建融合结构化知识图谱和向量化语义检索的混合检索增强生成框架；然后利用大语言模型框架构建了面向PFAS吸附材料的领域知识图谱和语义表示的大语言模型；再通过大语言模型生成初始材料设计框架，结合机器学习模型对材料结构进行迭代调整，预测并生成性能优化的PFAS吸附材料；最后基于知识图谱推理与向量存储信息，结合分子结构信息，推荐PFAS吸附材料合成与验证的实验路径。本发明构建知识图谱和语义模型实现领域知识的自动提取与系统化并通过数据推理生成可解释设计规则，通过LLM与ML结合自动生成优化代码及推荐实验路径加速材料设计迭代、缩短实验周期并提供可靠筛选方案。