概要
ChatMOFは、自然言語によるリクエストを金属有機構造体（MOF）の計算ワークフローにつなぎます。文書に記載されたタスクは、データ検索、特性予測、構造生成であり、ユーザーが指定した特性を目標とする生成も含まれます。READMEによると、このシステムはGPT-4とGPT-3.5のモデル選択肢を中心に構成されており、単独の予測モデルでも、データベースだけでもありません。各リクエストを形式的な構造化クエリにすることなく、材料研究ツールを選択・連携させるための対話型インターフェースとして利用できます。
ワークフローは3つの要素で構成されます。エージェントがリクエストを解釈して計画を立て、ツールキットを選び、選択されたツールがタスクの出力を生成し、評価器が最終回答をまとめます。入力はテキストによるリクエストで、出力は選択したタスクに応じて、検索情報、特性予測、または生成されたMOF構造となります。文書に記載されたツールキットには単位変換ツールも含まれます。リポジトリにはPythonパッケージの設定とコマンドラインのエントリーポイントが用意されているため、このリソースは論文上の提案だけではありません。
ただし、ChatMOFは研究プロトタイプとして扱うべきであり、導入には外部サービスとタスク固有の依存関係が必要です。オンラインデモでは検索が利用でき、OpenAIキーが必要です。READMEでは、提供された例を除き、通常はそこで予測や生成が動作しないと注意されています。ローカルで予測や生成を行うにはモジュールのセットアップが必要で、生成にはさらにGRIDAYが必要です。インストール環境としてLinuxが推奨されています。コードが利用可能でMITライセンスであることは、リンク先のデータセット、外部サービス、依存するモデル資産のライセンスや利用可能性を意味するものではありません。
主な機能
- 自然言語によるMOFリクエストを解釈し、エージェント、ツールキット、評価器からなるワークフローで処理します。
- MOFデータ検索タスクに対応します。検索を中心としたオンラインデモにはOpenAIキーが必要です。
- ローカルでタスクモジュールをセットアップすると、特性予測ワークフローを利用できます。
- ユーザーが指定する特性を目標としたMOF構造生成に対応しますが、別途GRIDAYのインストールが必要です。
- 単位変換ツールと、モデル選択および温度設定のためのコマンドライン制御機能が含まれます。
用途
- 評価案：自然言語による検索リクエストでMOF情報を取得し、基となる記録と照合して返された情報を確認します。
- 評価案：ローカルで設定した特性予測タスクを実行し、出力を独自に選定した参照データと比較します。
- 評価案：特性を目標とするMOF生成を試し、生成された構造を個別に評価してから、科学的に検証済みの候補として扱うか判断します。
使い方
- 公式READMEを読み、検索、予測、生成から選びます。範囲を絞ったMOFに関する質問から始め、必要な情報や出力を明示してください。
- 検索のみを試す場合は、オンラインデモを開きます。OpenAIキーが必要です。このインターフェースでローカルの予測や生成も利用できるとは想定しないでください。
- ローカルで利用する場合は、READMEの
pip install chatmofに関するインストール手順に従ってください。文書上の要件はPython 3.9以降で、Linuxが推奨されています。インストールに失敗した場合は、依存関係に関するトラブルシューティングの説明を確認してください。 - 文書の環境変数を使い、OpenAIの認証情報を安全に設定してください。予測または生成には
chatmof setupを実行し、生成にはchatmof install-gridayも実行します。インターネット検索には、文書に記載されたGoogleの認証情報も必要です。 chatmof runで起動し、chatmof run --helpでオプションを確認してください。検索された事実、予測、生成構造はそれぞれ独立に評価してください。科学的背景については、リンク先の研究論文を参照してください。