في عصر يعتمد بشكل متزايد على المواد الجديدة، تتأثر أبحاث العلماء بشكل مباشر بالنماذج التنبؤية والمحاكاة الشاملة. ولكن تكمن المشكلة في أن البيانات الأساسية اللازمة لهذه النماذج غالباً ما تكون مدمجة في الأدبيات العلمية كنصوص غير منظمة، مما يحد من إمكانية إعادة الاستخدام ويشكل تحدياً للباحثين في سعيهم للاستفادة من المعرفة المتاحة.

في هذا السياق، برز نموذج حديث يُدعى eolas، وهو عبارة عن مواسير (pipeline) معيارية توفر حلاً مبتكرًا لاستخدام النماذج اللغوية الكبيرة (Large Language Models) لتحويل الوثائق العلمية إلى رسوم بيانية معرفية متوافقة مع أنطولوجيا محددة. يتميز eolas بقدرته على استخراج معلومات مفيدة للباحثين المهتمين بدراسة المواد المصممة لتحمل درجات الحرارة الشديدة ومعدلات الإشعاع المرتفعة الموجودة في مفاعلات الاندماج.

بينما قد يستغرق الخبير البشري ما بين ثلاثين إلى تسعين دقيقة لاستخراج البيانات ذات الصلة من مقال، يمكن لـ eolas إنتاج رسوم بيانية معرفية بجودة عالية في مجرد دقائق قليلة. تصمم هذه البيانات في شكل جدول مع خيارات تنقل متخصّصة لتسهيل عملية التحقق من المعلومات بواسطة البشر. كما يقدم البحث مجموعة بيانات مرجعية (benchmark dataset) الأولى من نوعها لتقييم قدرات النماذج اللغوية الكبيرة في بناء الرسوم البيانية المعرفية المتعلقة بمجال المواد المشعة.

عبر تحليل 168 تجربة باستخدام هذه المجموعة والعديد من تقنيات النمذجة، يجمع الباحثون الرؤى المفيدة لتقديم إرشادات عملية لاستغلال الرسوم البيانية المعرفية بما يتماشى مع الأنطولوجيا المدخلة. هذه التقنية تعكس كيف يمكن للنماذج اللغوية أن تفتح آفاقًا جديدة في استثمار البيانات العلمية وتحسين كفاءة الأبحاث.