GPT-4 har omfattende kunnskap om kjemi, og dekker et bredt spekter av emner, inkludert kjemisk binding, teorier om kjemiske reaksjoner, organisk kjemi og fysisk kjemi [1] [3]. Her er en detaljert sammenligning av kunnskapen om kjemisk binding og kjemiske reaksjoner:
Kjemisk binding
GPT-4 har en solid forståelse av kjemiske bindingsprinsipper, som er grunnleggende i kjemi. Det kan forklare begreper som kovalente, ioniske og metalliske bindinger, samt mer komplekse bindingsteorier som molekylær orbital teori. Denne kunnskapen er sannsynligvis avledet fra sin opplæring i generelle kjemiske lærebøker og online ressurser [1] [3]. Imidlertid kan dens evne til å fordype seg i avanserte eller spesialiserte aspekter ved kjemisk binding, for eksempel kvantemekaniske tolkninger eller detaljerte molekylære orbitaldiagrammer, være begrenset på grunn av begrensningene i treningsdataene og mangelen på tilgang til nyere akademisk forskning [3].
Kjemiske reaksjoner
I området for kjemiske reaksjoner demonstrerer GPT-4 et godt grep om generelle reaksjonsmekanismer og prinsipper, spesielt på læreboknivå. Det kan forklare vanlige organiske reaksjoner, for eksempel substitusjon, eliminering og tilsetningsreaksjoner, og gi grunnleggende synteseuter for kjente forbindelser som acetaminophen [1] [3]. Når det gjelder spesialiserte eller komplekse reaksjoner, eller de som krever detaljerte eksperimentelle prosedyrer, er GPT-4s ytelse mindre robust. Det kan slite med å forutsi resultatene av nye eller utrente reaksjoner, og det mangler evnen til å gi presise eksperimentelle forhold eller detaljert mekanistisk innsikt som vanligvis finnes i akademiske forskningsartikler [1] [3] [5].
Sammenligning og begrensninger
Mens GPT-4 utmerker seg med å gi generell kunnskap om både kjemisk binding og reaksjoner, blir begrensningene tydelige når de arbeider med spesialiserte eller avanserte emner. For kjemisk binding kan den håndtere grunnleggende prinsipper, men kan ikke fordype dypt i avanserte teorier. For kjemiske reaksjoner kan det forklare vanlige mekanismer, men sliter med komplekse eller nye reaksjoner. Den primære begrensningen er dens avhengighet av eksisterende kunnskap, som for det meste er avledet fra lærebøker og offentlig tilgjengelige ressurser, snarere enn nyere akademisk forskning [1] [3] [5].
GPT-4s evne til å forutsi egenskaper til utrente forbindelser gjennom få skuddlæring er en bemerkelsesverdig styrke, men det krever fortsatt forbedring i håndtering av komplekse kjemiske strukturer og spesialiserte reaksjonsmekanismer [3] [5]. Totalt sett er GPT-4 et kraftig verktøy for generell kjemisk kunnskap, men bør kompletteres med spesialiserte verktøy eller modeller for mer avanserte kjemiske forskningsoppgaver.
Sitasjoner:
[1] https://chemrxiv.org/engage/api-gateway/chemrxiv/assets/orp/resource/item/647d305dbe16ad5c577b6627/iginal/prompt-gal-ekann-de-be-e-por-phings-hing-hing-hing-hing-hing-hing-gpt-de-promical/prompt-enginead5c5777776627/itemical/prompt-enginead5c5c5777b6627/itemo.
[2] https://pubs.acs.org/doi/10.1021/acs.jchemed.4c00235
[3] https://ai-scholar.tech/en/articles/large-ganguage-models/prompt-chemical-research
[4] https://www.mdpi.com/2078-2489/14/7/409
[5] https://phys.org/news/2023-10-gpt-artificial-intelligence-chemistry.html
[6] https://pubs.rsc.org/en/content/articlehtml/2025/sc/d4sc04401k
[7] https://www.tandfonline.com/doi/full/10.1080/27660400.2023.2260300
[8] https://arxiv.org/html/2305.18365v3