Графовые сети извлекли полмиллиона скрытых свойств материалов из вековых научных таблиц
Научный прогресс все больше зависит от синтеза знаний из обширной литературы, однако большая часть экспериментальных данных остается в полуструктурированных форматах, которые не поддаются систематическому извлечению и анализу. Здесь мы представляем MatSKRAFT, вычислительную среду, которая автоматически извлекает и интегрирует знания в области материаловедения из табличных данных в беспрецедентных масштабах. Наш подход преобразует таблицы в графические представления, обрабатываемые GNN, управляемыми ограничениями, которые кодируют научные принципы непосредственно в архитектуру модели. MatSKRAFT значительно превосходит современные модели больших языков, достигая оценок F1 89.33% для извлечения свойств и 71.35% для извлечения композиции, при этом обрабатывая данные в 6–496 раз быстрее — по сравнению с самой быстрой и самой медленной моделями соответственно — при скромных требованиях к оборудованию. Применяя 66 267 таблиц из более чем 45 500 исследовательских публикаций, мы создаем обширную базу данных, содержащую 509 281 запись, включая 104 000 составов и широкий спектр свойств материалов, которые расширяют охват за пределы основных существующих баз данных. Этот систематический подход выявляет ранее упускаемые из виду материалы с различными комбинациями свойств и позволяет на основе данных обнаруживать взаимосвязи состав-свойство, составляющие краеугольный камень материалов и научных открытий.
## В чем суть открытия На протяжении столетия материаловедение развивалось через парадоксальный компромисс: ученые публиковали миллионы блестящих статей, но фундаментальные крупицы экспериментального знания мгновенно оказывались погребены в братской могиле полуструктурированных форматов. Главным хранилищем синтезированных составов, температур плавления, электропроводности и пределов прочности всегда оставались научные таблицы. Однако для алгоритмов эти двухмерные сетки десятилетиями были непроницаемой стеной. Таблицы в академических статьях лишены единого стандарта: авторы произвольно объединяют ячейки, используют сокращения, выносят единицы измерения в сноски и вкладывают подтаблицы в примечания. Попытка штурмовать эту проблему универсальными языковыми моделями привела к новому тупику. Нейросети воспринимают мир как одномерный поток токенов. Раскладывая матрицу в плоский текст, они теряют пространственную геометрию, путают зависимости между строками и тратят астрономические мощности на перебор связей. Исследователи представили MatSKRAFT — вычислительный фреймворк, радикально меняющий эту парадигму. Вместо текстового синтаксиса система переосмысливает таблицу как структурированный граф, управляемый физическими ограничениями предметной области. ## Как это устроено: принцип работы Архитектурная идея MatSKRAFT элегантно преодолевает барьеры классических моделей. Любая научная таблица преобразуется в топологический граф: узлами служат ячейки, заголовки и числа, а ребрами — геометрические и семантические отношения между ними (принадлежность к строке, зависимость от столбца, связь со сноской). Ключевой прорыв заключается в интеграции графовых нейронных сетей (GNN), в архитектуру которых жестко зашиты фундаментальные принципы материаловедения. Алгоритм не просто ищет поверхностные корреляции: сеть функционирует в строгом пространстве физико-химических ограничений. Модель априори учитывает, что химический состав материала и его измеренное свойство подчиняются детерминированным законам связи. Механизм распространения сообщений в графе итеративно уточняет семантику ячеек, отсекая галлюцинации и исключая ошибочную привязку физических величин к несвязанным элементам. ## Результаты и доказательства Экспериментальная валидация продемонстрировала подавляющее превосходство специализированного графового подхода над передовыми языковыми моделями. В задачах точного распознавания свойств материалов MatSKRAFT достиг впечатляющей F1-метрики в 89,33%, а при извлечении х