يساعد الذكاء الاصطناعي في دعم تطوير المواد في دفع أبحاث المواد البوليمرية العضوية من الاعتماد على الخبرة إلى الاعتماد على البيانات، وتعتمد تطبيقاته على موارد بيانات عالية الجودة وقابلة للتتبع ومتكيفة مع أهداف البحث. تتميز المواد البوليمرية العضوية بهيكل مركب ومشاهد بحثية متعددة، وتنتشر البيانات في مراحل التركيب والتحضير والتوصيف والاختبار والأداء، حيث يصعب على الحقول الثابتة أو مجموعات البيانات المغلقة تلبية احتياجات الأهداف المختلفة. لمواجهة هذه المشكلة، تقدم هذه الدراسة طريقة استخراج بيانات منظمة للمواد البوليمرية العضوية موجهة لأهداف بحث مخصصة وأداة مفتوحة المصدر. تستهدف الطريقة باحثي المواد البوليمرية العضوية، حيث توحد المصادر المتعددة والمتغايرة إلى نصوص يمكن معالجتها، وتوفر نظام حقول قابل للتخصيص وعملية استخراج، ما يسمح بتحديد الأداء المستهدف، ومحتوى الحقول، وطريقة معالجة البيانات وفقاً لأهداف البحث الخاصة، لتحقيق استخراج منظم للمعلومات حسب الحاجة. للتحقق من ملائمة الطريقة، تم اختيار 11 نوعاً من الخصائص الشائعة للمواد البوليمرية العضوية كمثال، حيث تم تنفيذ استخراج البيانات من أكثر من عشرة آلاف وثيقة، وحصلنا على ما يقرب من خمسين ألف سجل منظم للأداء. تشير توزيع الخصائص وعلاقات الاقتران إلى أن نتائج الاستخراج تتوافق مع نطاقات الخصائص الشائعة والأنماط المعهودة في المواد البوليمرية العضوية؛ وعلى سبيل المثال، سجلت دقة التعرف على درجة حرارة انتقال الزجاج (T_g) قيم Precision وRecall وF1 بنسبة 0.83 و0.89 و0.86، وسجل الاقتران بين اسم العينة وقيمة T_g درجة F1 بنسبة 0.78. لا تعتمد هذه الطريقة على مجموعات بيانات معنونة أو تعديل نموذج، وتركز بشكل أساسي على نظام الحقول والأداء المستهدف وكلمات التوجيه التي يمكن للباحثين تعريفها بأنفسهم وفقاً لنظام المواد وأهداف البحث الخاصة بهم، مما يوفر مساراً تقنياً مفتوح وقابل لإعادة الاستخدام لبناء قواعد بيانات مخصصة وتطوير موارد بيانات مستهدفة في أبحاث المواد البوليمرية العضوية.

المواد البوليمرية;النماذج اللغوية الضخمة;استخراج البيانات;نظام حقول قابل للتخصيص