La asistencia de la inteligencia artificial en el desarrollo de materiales está impulsando la investigación de materiales poliméricos orgánicos desde un enfoque basado en la experiencia hacia uno basado en datos, y su aplicación depende de recursos de datos de alta calidad, rastreables y adaptados a los objetivos de investigación. Los materiales poliméricos orgánicos tienen una composición estructural compleja y múltiples escenarios de investigación; los datos están dispersos en las etapas de composición, preparación, caracterización, pruebas y rendimiento, y los campos fijos o los conjuntos de datos cerrados difícilmente se adaptan a diferentes necesidades. Para abordar este problema, este trabajo propone un método de extracción de datos estructurados para materiales poliméricos orgánicos orientado a objetivos de investigación personalizados, junto con una herramienta de código abierto. El método está dirigido a investigadores de materiales poliméricos orgánicos, unifica fuentes heterogéneas en corpus procesables y proporciona un sistema de campos personalizable y un proceso de extracción, permitiendo definir el rendimiento objetivo, el contenido de los campos y el modo de procesamiento de datos según objetivos específicos, logrando una extracción estructurada de información bajo demanda. Para verificar la aplicabilidad del método, se configuraron 11 tipos de propiedades comunes de materiales poliméricos orgánicos como ejemplo, y se realizó la extracción de datos en más de diez mil documentos, obteniéndose cerca de cincuenta mil registros estructurados de propiedades. La distribución de propiedades y las relaciones emparejadas indican que los resultados de extracción están en línea con los rangos comunes de propiedades y las reglas empíricas de materiales poliméricos orgánicos; por ejemplo, para la temperatura de transición vítrea (T_g), los valores de precisión, recuperación y F1 score para el reconocimiento de T_g son 0.83, 0.89 y 0.86 respectivamente, y la puntuación F1 para el emparejamiento del nombre de muestra y el valor de T_g es 0.78. Este método no depende de conjuntos de datos anotados ni de ajuste fino del modelo, su característica central es que el sistema de campos, el rendimiento objetivo y las palabras clave pueden definirse por los investigadores según su propio sistema de materiales y objetivos de investigación, proporcionando una ruta técnica abierta y reutilizable para la construcción de bases de datos personalizadas y el desarrollo de recursos de datos orientados en la investigación de materiales poliméricos orgánicos.

materiales poliméricos; grandes modelos de lenguaje; extracción de datos; sistema de campos personalizable