Scientific Large Language Models: A Survey on Biological & Chemical Domains

本文是LLM系列文章，针对《Scientific Large Language Models: A Survey on Biological & Chemical Domains》的翻译。

摘要

大型语言模型（LLM）已经成为增强自然语言理解的变革力量，代表着向通用人工智能迈进了一大步。LLM的应用超越了传统语言学的界限，涵盖了在各种科学学科中发展起来的专门语言系统。这种日益增长的兴趣导致了科学LLM的出现，这是一种专门为促进科学发现而设计的新亚类。作为人工智能科学界的一个新兴领域，科学LLM值得全面探索。然而，目前缺乏一项系统和最新的调查来介绍它们。在本文中，我们试图有条不紊地描述“科学语言”的概念，同时对科学LLM的最新进展进行全面回顾。鉴于科学学科的广阔领域，我们的分析采用了聚焦的视角，专注于生物和化学领域。这包括深入检查LLM的文本知识、小分子、大分子蛋白质、基因组序列及其组合，并从模型架构、能力、数据集和评估方面对其进行分析。最后，我们批判性地审视了当前的挑战，并随着LLM的发展指出了有希望的研究方向。通过全面概述该领域的技术发展，这项调查有望成为研究人员在科学LLM的复杂环境中导航的宝贵资源。

1 引言

2 背景

3 文本科学大语言模型

4 分子大语言模型

5 蛋白质大语言模型

6 基因组大语言模型

7 多模态科学大语言模型

8 结论与展望

在这项调查中，我们探讨了科学LLM的最新进展，特别是在生物和化学领域。这项调查首先