인공지능 지원 소재 개발은 유기 고분자 소재 연구를 경험 기반에서 데이터 기반으로 전환하는 데 기여하고 있으며, 이는 고품질, 추적 가능하며 연구 목표에 적합한 데이터 자원에 의존합니다. 유기 고분자 소재는 구조가 복잡하고 연구 환경이 다양하며, 데이터가 구성, 준비, 특성 분석, 테스트 및 성능 단계에 분산되어 있어 고정 필드 또는 폐쇄형 데이터 세트는 다양한 목표 요구 사항에 적합하지 않습니다. 이러한 문제를 해결하기 위해 본 연구에서는 맞춤형 연구 목표를 위한 유기 고분자 소재 구조화 데이터 추출 방법 및 오픈 소스 도구를 제안합니다. 이 방법은 유기 고분자 소재 연구자를 대상으로 다중 출처 이종 자료를 처리 가능한 코퍼스로 통합하고, 맞춤형 필드 체계 및 추출 프로세스를 제공하여 특정 연구 목표에 따라 목표 성능, 필드 내용 및 자료 처리 방식을 정의할 수 있도록 하여 소재 정보를 필요에 맞게 구조화하여 추출할 수 있도록 합니다. 방법의 적용 가능성을 검증하기 위해 본 연구는 11가지 유형의 유기 고분자 소재 일반 성능을 예로 설정하고, 1만 건 이상의 자료에서 데이터 추출을 수행하여 약 5만 건의 구조화된 성능 기록을 확보하였습니다. 성능 분포 및 짝 관계는 추출 결과가 유기 고분자 소재의 일반 성능 범위 및 경험 법칙에 부합함을 보여줍니다; 예를 들어 유리 전이 온도(T_g) 인식의 정밀도, 재현율 및 F1 점수는 각각 0.83, 0.89 및 0.86이며, 샘플명과 T_g 값의 짝짓기 F1 점수는 0.78입니다. 이 방법은 라벨링된 데이터 세트와 모델 미세 조정에 의존하지 않으며, 핵심 특징은 연구자가 자신의 소재 체계 및 연구 목표에 따라 필드 체계, 목표 성능 및 프롬프트를 직접 정의할 수 있다는 점으로, 유기 고분자 소재 연구에서 맞춤형 데이터베이스 구축 및 목표 지향 데이터 자원 개발에 개방적이고 재사용 가능한 기술 경로를 제공합니다.

고분자 소재; 대형 언어 모델; 데이터 추출; 맞춤형 필드 체계