
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于提示的大型语言模型生成合成数据的初步研究,应用于生物炭改良混凝土的机器学习领域
《Scientific Reports》:Preliminary investigation of prompt-based synthetic data generation using large language models for machine learning applications in biochar-modified concrete
【字体: 大 中 小 】 时间:2026年08月27日 来源:Scientific Reports 4.9
编辑推荐:
``` 摘要生物炭改良的混凝土作为一种有前景的材料,被用于减少碳排放。然而,由于已发表的实验数据集(PED)数量有限,因此需要建立预测模型。在本研究中,从Web of Science数据库中收集了这些实验数据集。基于PED训练数据的描述性统计信息,使用大型语言模型(LLM)生成了
生物炭改良的混凝土作为一种有前景的材料,被用于减少碳排放。然而,由于已发表的实验数据集(PED)数量有限,因此需要建立预测模型。在本研究中,从Web of Science数据库中收集了这些实验数据集。基于PED训练数据的描述性统计信息,使用大型语言模型(LLM)生成了合成数据集(SDs)。随后,将这些合成数据集与实验数据集结合,以研究其对预测建模的影响。为了提高模型的可靠性并进行分析,分别采用了线性和非线性回归器以及基于Optuna的超参数优化技术的极端梯度提升(XGBoost)方法。探索性数据分析表明,合成数据集无法捕捉实验数据集的多变量特征。对于仅使用实验数据集的模型,测试R2值为0.911,结果显示XGBoost是表现最佳的模型。尽管训练和验证分数很高,但可靠性模型的平均R2值在实验数据集上的表现仅为0.513。此外,尽管增强后的模型在某些方面优于仅使用实验数据集的模型,但它们的表现仍不及可靠性模型。增强数据集的大小也对该模型的性能产生了影响:较小的或中等量的合成数据集添加对模型性能的提升效果优于大量合成数据集的添加。这些发现表明,基于LLM生成的合成数据集可以用于初步探索和控制性的数据增强,但在未经严格验证的情况下,不应被用来替代实验数据。