Semantische Bandlücke (LLM + KG)
Eine neuro-symbolische Pipeline für symmetriebewusstes Materialscreening.
Mehrfach-Constraint-Fragen in der Materialwissenschaft scheitern selten an
einer einzelnen fehlenden Zahl — sie scheitern an Randbedingungen, die in
unterschiedlichen Formaten vorliegen. Ein Kandidat für Frequenzverdopplung
im Ultraviolett zu finden, erfordert beispielsweise einen
nicht-zentrosymmetrischen Kristall (die nichtlineare Antwort geradzahliger
Ordnung verschwindet unter Inversionssymmetrie identisch — eine
Auswahlregel, keine Tendenz) und eine breite Bandlücke. Symmetrie
ergibt sich aus der Kristallstruktur, die Lücke aus einer
elektronischen Strukturrechnung, die Zusammensetzung aus einer
Formel-Zeichenkette. Hier ist das eine Frage: „nicht-zentrosymmetrische
Materialien mit Bandlücke über 2,5 eV" liefert 9.429 Kandidaten aus
150.987, mit angehängter Provenienz. Zwei LoRA-Adapter, feingetunt auf
Llama 3.2 (3B), treiben dies an — einer generiert SPARQL aus natürlicher
Sprache, einer extrahiert deduplizierte Tripel aus unstrukturiertem Text.
Ein deterministischer Sanitizer sitzt zwischen Modell und Graph, korrigiert
und erzwingt das Schema für jede generierte Abfrage und macht so bekannte
Fehlermodi zu korrigierter Ausgabe. Das RDF-Schema umfasst Zusammensetzung,
Kristallsystem, Zentrosymmetrie, Bandlücke und Provenienz über 1,36 Mio.
Tripel. Die Knotenidentität ist die material_id des Materials
Project, nicht die chemische Formel: Eine Zusammensetzung kristallisiert in
strukturell unterschiedliche Phasen, und bei 91,6 % der Mehrfach-Einträge
wurde mittels pymatgen StructureMatcher bestätigt, dass sie
tatsächlich unterschiedliche Strukturen aufweisen.
