10月13日消息，ChemRxiv预印本（DOI: 10.26434/chemrxiv.15006472v2）报道，Wesley Y. Chen、Sanghoon Lee、Tim Kodalle、Philothei Sahinidis、Gerbrand Ceder、Carolin M. Sutter-Fella与Anubhav Jain等研究者利用Gemini 3.0 Flash大语言模型，从科学文献中挖掘构建了带相纯度结果标注的溶胶-凝胶（sol-gel）合成数据库。

数据集包含约14.8万条合成记录，其中约2.8万条为相不纯（phase-impure）的"失败"记录——这类负样本对理解溶胶-凝胶反应路径至关重要，却在既有整理数据集中几乎完全缺失。质量验证方面，所有抽取实体（前驱体、溶剂、加热条件等）的F1分数均超过0.89；记录级别上，68%的记录在全部评估字段上与人工标注完全一致。

溶胶-凝胶法是制备无机材料的通用路线，优势在于原子级混合与更低加工温度，但产物相纯度对前驱体选择、溶剂体系与加热条件高度敏感，传统上依赖经验试错。为验证数据集的科学效用，团队证明聚合数据能够复现已报道的BiFeO3薄膜相纯度趋势。

对材料信息学而言，该数据集的价值在于把"负结果"系统性纳入机器学习视野，为合成条件与相纯度关系的预测模型提供了带标签训练基础；其文本挖掘流程亦可平移到其他合成化学子领域。该工作尚为预印本，未经同行评议。 （来源：ChemRxiv）