Een nieuw, open-access hulpmiddel ontwikkeld door onderzoekers van de Universiteit van Toronto Engineering staat klaar om een revolutie teweeg te brengen in de manier waarop wetenschappers door de snel groeiende wereld van metaal-organische raamwerken (MOF’s) navigeren. Deze veelzijdige materialen, geroemd om hun ultrahoge oppervlak en afstembare chemie, bieden een enorm potentieel op gebieden variërend van medicijnafgifte en katalyse tot koolstofafvang. Het is echter een grote uitdaging geworden om gelijke tred te houden met het toenemende volume van MOF-onderzoek – een uitdaging die deze nieuwe tool, genaamd MOF-ChemUnity, direct aanpakt.
De belofte en complexiteit van MOF’s
Metaal-organische raamwerken onderscheiden zich door hun uitzonderlijke oppervlakte – sommige varianten kunnen bogen op wel 7.000 m²/g, wat betekent dat één gram voldoende intern oppervlak bevat om een voetbalveld te bedekken. Deze unieke structuur maakt een breed scala aan toepassingen mogelijk. MOF’s kunnen fungeren als moleculaire zeven, die selectief koolstofdioxide uit gasmengsels opvangen, of als sensoren, die sporen van moleculen detecteren. Hun katalytische eigenschappen kunnen industriële reacties versnellen, terwijl hun poreuze structuur een gecontroleerde afgifte van geneesmiddelen mogelijk maakt.
Het belang van MOF’s werd onlangs onderstreept door de Nobelprijs voor de Scheikunde van 2025. Toch heeft de enorme groei van het onderzoek – dat zich uitstrekt over meer dan 25 toepassingsdomeinen – een knelpunt in de kennis gecreëerd, waardoor zowel menselijke onderzoekers als de AI-instrumenten die zijn ontworpen om hen te helpen, worden gehinderd.
Introductie van MOF-ChemUnity: een gestructureerde kennisgrafiek
Het team van professor Mohamad Moosavi bij de afdeling Chemische Technologie en Toegepaste Chemie en het Vector Instituut heeft MOF-ChemUnity ontwikkeld om deze uitdaging te overwinnen. De tool functioneert als een gestructureerde, schaalbare kennisgrafiek die systematisch informatie uit MOF-onderzoekspapers, opslagplaatsen voor kristalstructuren en databanken voor computermateriaal extraheert en koppelt.
In de kern maakt MOF-ChemUnity gebruik van een multi-agent large Language Model (LLM)-workflow om chemische namen in de wetenschappelijke literatuur te verbinden met hun overeenkomstige kristalstructuren. Hierdoor kunnen syntheseprocedures, materiaaleigenschappen en potentiële toepassingen worden weergegeven in een consistent, machinaal leesbaar formaat.
“Wetenschappelijke ontdekking begint met het lezen en synthetiseren van de literatuur, maar dit blijft een van de moeilijkste stappen om te automatiseren”, legt Moosavi uit. “MOF-ChemUnity creëert een uniforme basis waarop zowel onderzoekers als AI-systemen kunnen voortbouwen.”
Het verminderen van AI-‘hallucinaties’ door middel van gegronde literatuur
Het team demonstreerde de impact van hun systeem door de kennisgrafiek te integreren met LLM’s om zo een op literatuur gebaseerde AI-assistent voor MOF’s te creëren. In tegenstelling tot standaard AI-systemen die plausibele maar onjuiste uitspraken (“hallucinaties”) genereren, maakt deze assistent gebruik van geverifieerde experimentele en computationele gegevens.
In blinde evaluaties uitgevoerd door MOF-experts werden de antwoorden van de assistent consistent beoordeeld als nauwkeuriger, interpreteerbaar en betrouwbaarder dan de antwoorden van baseline-LLM’s zoals GPT-4o. Door AI-reacties te baseren op samengestelde en gekoppelde literatuur, vermindert het systeem het risico op onbetrouwbare wetenschappelijke redeneringen aanzienlijk.
“Deze aanpak vermindert hallucinaties, wat een van de grootste obstakels is bij het toepassen van grote taalmodellen op wetenschappelijke domeinen”, zegt Moosavi.
Open toegang en toekomstige implicaties
Het U of T-team – onder leiding van Moosavi, samen met belangrijke bijdragers Thomas Pruyn en Amro Aswad – heeft de dataset en code openlijk beschikbaar gemaakt op GitHub, waardoor voortdurende vooruitgang in de materiaalkunde en AI-gestuurd onderzoek wordt bevorderd.
Moosavi ziet MOF-ChemUnity als een springplank naar een bredere verschuiving in de manier waarop wetenschappelijke kennis wordt georganiseerd en toegankelijk wordt gemaakt. De tool doorbreekt silo’s in onderzoek, waardoor AI-systemen gegevens over verschillende velden heen kunnen verwerken, waardoor de beperkingen van menselijke onderzoekers worden overschreden.
“Menselijke onderzoekers worden beperkt door het aantal artikelen dat ze kunnen lezen, maar MOF-ChemUnity zet een eerste stap in de richting van het mogelijk maken van AI-systemen die gegevens over verschillende velden heen kunnen verwerken. Het vestigt een nieuw paradigma voor op literatuur gebaseerde ontdekkingen.”
Dit werk versnelt niet alleen de ontdekking van materialen, maar legt ook de basis voor algemene kennissystemen die een revolutie teweeg kunnen brengen in het onderzoek in meerdere wetenschappelijke disciplines.
