膜分离气体数据提取专用AI模型

膜分离技术在能源与环保领域至关重要，但人工整理相关研究数据耗时费力。为此，研究人员开发了一个专用于膜分离领域的自然语言处理模型——MembraneBERT。该模型面临一个常见难题：科研文献中关于热门膜材料的数据远多于冷门材料，导致AI模型容易‘偏科’，忽视少数但重要的材料类型。为解决这一问题，研究团队提出两项互补策略：一是采用不泄露原始信息的数据增强方法，扩充稀缺类别样本；二是设计新型损失函数，将类别加权交叉熵与焦点损失（focal loss）结合，引导模型更关注少数类。最终，MembraneBERT在测试中达到平均精确率90.6%、召回率79.6%、F1分数84.4%。研究人员用它分析了3580篇新论文，成功结构化提取出2283条膜材料及其气体分离性能数据。该成果为后续基于数据驱动的膜材料研发提供了实用、可复用的智能工具。文中还说明了项目资金来源（国家自然科学基金及海南省自然科学基金等）、作者单位、伦理声明及开放获取许可等信息，但这些属于出版规范内容，不涉及核心科学贡献。