一种面向聚合物材料的子数据库构建方法及系统与流程

摘要: 本发明属于材料信息学与数据库技术交叉领域,具体地说,是涉及一种面向聚合物材料的子数据库构建方法及系统。背景技术:1、在聚合物材料研发领域,数据驱动的材料设计与性...
一种面向聚合物材料的子数据库构建方法及系统与流程

本发明属于材料信息学与数据库技术交叉领域,具体地说,是涉及一种面向聚合物材料的子数据库构建方法及系统。

背景技术:

1、在聚合物材料研发领域,数据驱动的材料设计与性能预测已成为重要发展趋势。聚合物材料的性能不仅取决于其化学组成,还与聚合工艺条件、加工参数、微观结构等多因素密切相关,呈现出典型的“组成—工艺—结构—性能”多层级关联特征。构建高质量、结构化的聚合物材料数据库,是实现数据驱动研发的基础性工作,对于推动聚合物材料领域的创新具有重要意义。

2、然而,现有聚合物材料数据库的构建面临显著的技术挑战。聚合物材料种类繁多,包括聚烯烃、聚酰亚胺、聚氨酯、橡胶弹性体等,不同类别聚合物的关键数据维度差异显著。例如,聚烯烃的性能高度依赖于催化体系与聚合工艺,聚酰亚胺的分子设计需考虑柔性电子器件领域的特定需求,橡胶弹性体的性能则与交联密度、填料分散状态密切相关。现有数据库多采用统一的字段模板进行数据记录,难以有效覆盖不同聚合物类别的差异化数据特征,导致数据记录不完整或关键信息缺失,严重制约了数据库在材料研发中的应用价值。

3、针对上述问题,已有一些相关技术探索。例如,面向聚烯烃材料的知识图谱构建方法针对聚烯烃领域构建了包含产品、工艺、单体、性能等本体的领域知识图谱;聚酰亚胺数据库构建方法采用三级组装策略生成分子链并利用指纹技术建立数据库;基于大语言模型的材料合成数据抽取方法通过lora微调实现材料数据的自动化抽取。然而,这些技术方案均聚焦于单一聚合物类别或单一技术环节,尚未形成一套完整的、覆盖多类别聚合物、融合精细化分类体系与差异化字段模板、结合大语言模型自动化抽取的聚合物子数据库构建方案。

技术实现思路

1、本发明的目的在于提供一种面向聚合物材料的子数据库构建方法及系统,主要解决。

2、为实现上述目的,本发明采用的技术方案如下:

3、一种面向聚合物材料的子数据库构建方法,包括以下步骤:

4、s1,依据聚合物化学结构、聚合机理及应用属性,建立多层级聚合物材料分类体系;

5、s2,基于各聚合物类别,设计差异化的json字段模板,作为后续数据抽取的语义约束框架,每个字段模板均以json schema格式定义;

6、s3,以定义的json字段模板作为语义约束,利用大语言模型从聚合物文献中自动化抽取结构化数据;

7、s4,对抽取的结构化数据进行标准化处理;

8、s5,将经标准化处理的结构化数据按照分类体系组织存储,形成聚合物材料子数据库。

9、进一步地,在所述步骤s1中,所述多层级聚合物材料分类体系包括一级分类和二级分类两个层级;所述一级分类按化学结构与聚合机理进行划分,将聚合物材料划分为聚烯烃类、环烯烃聚合物类、聚酰亚胺/聚氨酯类、橡胶弹性体类和其他聚合物类五个核心类别;所述二级分类在各一级类别下按应用领域与性能特征进行细分。

10、进一步地,在所述步骤s2中,所述差异化json字段模板包括通用核心字段模板和类别差异化扩展字段两部分;所述通用核心字段模板包含材料信息模块、组成模块、工艺模块、结构模块和性能模块五大通用模块;所述类别差异化扩展字段针对聚烯烃类扩展了催化剂体系字段、聚合工艺字段和微观结构字段,针对橡胶弹性体类扩展了填料体系字段、硫化体系字段和交联结构字段,针对聚酰亚胺类扩展了二酐/二胺单体字段和酰亚胺化条件字段。

11、进一步地,在所述步骤s3中,基于json字段模板的大语言模型文献数据抽取包括:文献预处理与语义分块,通过文献获取模块获取聚合物领域的科技文献,经过pdf文本提取模块、ocr文字识别模块和数据去噪模块进行预处理,再通过语义分块模块进行语义单元划分;

12、基于字段模板的提示词工程,通过提示词构造模块构造包含角色设定单元、字段模板输入单元、抽取指令单元和输出格式约束单元的完整提示词;

13、大语言模型推理与结构化输出,通过大语言模型推理模块进行命名实体识别和语义关系映射,通过结构化json输出单元输出结构化数据;

14、多轮抽取与置信度评估,通过多轮抽取模块进行多次抽取,通过置信度评估单元进行一致性评估,并通过高置信度标记单元或需人工审核标记单元进行标注。

15、进一步地,所述语义分块模块包含章节结构分块单元和段落主题分块单元两种分块方式,按照文献的章节结构或段落主题进行语义单元划分。

16、进一步地,在步骤s4中,数据标准化处理包括字段归一化、单位标准化、同义词映射和缺失值标注与置信度标记;所述字段归一化将不同表达方式的字段名称映射为标准字段名称;所述单位标准化将温度单位统一转换为℃,压力单位统一转换为mpa,力学性能单位统一转换为mpa,分子量单位统一转换为克每摩尔;所述同义词映射建立聚合物领域同义词词典进行术语映射。

17、进一步地,在步骤s5中,结构化聚合物材料子数据库的构建与存储包括数据关联建模、多层级数据存储和子数据库索引与检索;所述数据关联建模建立组成到工艺的关联、工艺到结构的关联、结构到性能的关联以及组成工艺结构性能全链条关联;所述多层级数据存储采用原始文献层、抽取记录层、标准化数据层和关联知识层四层存储架构。

18、本发明还提供了一种面向聚合物材料的子数据库系统,包括分类体系管理模块、字段模板管理模块、文献预处理模块、提示词构造模块、大语言模型抽取模块、数据标准化模块和数据库构建与存储模块;各模块之间通过标准化接口进行数据传递。

19、进一步地,在本发明中,所述文献预处理模块包括文献获取模块、pdf文本提取模块、ocr文字识别模块、数据去噪模块和语义分块模块,用于对聚合物文献进行获取、解析和语义分块;所述语义分块模块包括章节结构分块单元和段落主题分块单元。

20、进一步地,在本发明中,所述提示词构造模块包括角色设定单元、字段模板输入单元、抽取指令单元和输出格式约束单元,用于基于字段模板构造差异化的llm提示词;所述大语言模型抽取模块包括大语言模型推理模块、命名实体识别单元、语义关系映射单元、结构化json输出单元、多轮抽取模块、置信度评估单元、高置信度标记单元和需人工审核标记单元,用于调用大语言模型进行结构化数据抽取与置信度评估;所述数据库构建与存储模块用于多层级数据存储和关联建模,提供按聚合物类别检索、按组成配方检索、按工艺条件检索、按性能指标检索和按文献来源检索的检索接口。

21、与现有技术相比,本发明具有以下有益效果:

22、(1)本发明通过建立多层级聚合物材料分类体系,并针对聚烯烃类、环烯烃聚合物类、聚酰亚胺/聚氨酯类、橡胶弹性体类等不同聚合物类别分别设计差异化的json字段模板,使得各聚合物类别的关键数据维度(如聚烯烃类的催化剂体系与聚合工艺、橡胶弹性体类的填料体系与硫化体系、聚酰亚胺类的二酐/二胺单体与酰亚胺化条件)均能得到精准且完整的记录。与现有技术中采用统一字段模板导致数据记录不完整或关键信息缺失相比,本发明实现了数据记录粒度与聚合物类别特性的精确匹配,显著提升了子数据库的数据完整性和应用价值。

23、(2)本发明以差异化的json字段模板作为语义约束框架,结合大语言模型从聚合物文献中自动化抽取结构化数据,并通过多轮抽取与置信度评估机制对抽取结果进行一致性校验,实现了从非结构化文献到结构化数据的自动化高精度抽取。与现有技术依赖人工标注或单一模型抽取相比,本发明在保证抽取精度的同时大幅降低了人力成本,能够高效处理大规模聚合物文献数据,为数据驱动的材料研发提供充足的高质量数据支撑。

24、(3)本发明通过"组成—工艺—结构—性能"全链条数据关联建模,建立从组成配方到聚合加工工艺、从工艺条件到微观结构、从微观结构到宏观性能的多层级因果关系映射,并采用原始文献层、抽取记录层、标准化数据层和关联知识层的四层存储架构进行数据组织。基于此,子数据库不仅支持按聚合物类别、组成配方、工艺条件、性能指标和文献来源的多维度检索,还能够支持"给定组成与工艺预测性能"以及"给定目标性能推荐组成与工艺"等复杂研发场景的数据驱动决策。与现有数据库仅提供简单数据存储和检索功能相比,本发明构建的子数据库具备知识推理与智能决策支持能力,能够实质性推动聚合物材料的创新研发进程。