人工知能支援の材料開発は、有機高分子材料の研究を経験駆動型からデータ駆動型へと推進しており、その適用は高品質で追跡可能かつ研究目的に適合したデータリソースに依存しています。有機高分子材料は複雑な組成構造と多様な研究シーンを持ち、データは組成、調製、特性評価、試験および性能などの段階に分散しており、固定フィールドや閉じたデータセットでは異なる目的要求に対応しにくいという課題があります。本研究ではこの問題に対処するため、カスタマイズ可能な研究目的に対応した有機高分子材料の構造化データ抽出方法およびオープンソースツールを提案します。本手法は有機高分子材料研究者を対象として、多様な異種資料を処理可能なコーパスに統合し、カスタマイズ可能なフィールド体系および抽出プロセスを提供することで、具体的な研究目的に応じて目的性能、フィールド内容および資料処理方法を定義可能にし、材料情報のニーズに応じた構造化抽出を実現します。方法の適用性検証のため、本研究では11種の有機高分子材料の代表的性能を例示的に設定し、1万件以上の資料からデータ抽出を行い、約5万件の構造化性能記録を得ました。性能の分布およびペアリング関係は、抽出結果が有機高分子材料の一般的な性能範囲および経験則に合致していることを示しています。例として、ガラス転移温度(T_g)の認識におけるPrecision、Recall、F1スコアはそれぞれ0.83、0.89、0.86であり、試料名称とT_g数値のペアリングF1スコアは0.78です。本手法はラベル付きデータセットやモデル微調整に依存せず、その特徴はフィールド体系、目的性能およびプロンプトを研究者が自身の材料体系および研究目的に応じて定義可能な点にあり、有機高分子材料研究におけるカスタマイズ可能なデータベース構築およびターゲット化データ資源開発のためのオープンで再利用可能な技術的道筋を提供します。

高分子材料; 大規模言語モデル; データ抽出; カスタマイズ可能なフィールド体系