Chemistry Analyzer

В текущем виде решение должно уметь проводить мета обзор по поиску ключевой характеристики из набора статей

Описание

В Li-ion-ых батарейках часто используют вещества химической формулы
LiNixMnyCozO2 (x +y +z =1, also termed NMCXYZ)

Важным частным случаем такого оксида является NMC811, в котором Никеля 80%, Марганца 10 процентов, Кобальта 10%
LiNi0.8​Mn0.1​Co0.1​O2​

В метаобзоре Aleksandra A. Savina , Artem M. Abakumov изучили 548 научных статей, в которых содержалось более 950 экспериментов с исследованиями химических свойств этого материала.

Ключевым результатом метаобзора является сбор двух важных характеристик аккумуляторов на основе этого материала:
- first cycle discharge capacity (сколько энергии аккум может отдать от полного заряда при первом использовании). Измеряется в mah/g, т.е. речь идёт об удельной плотности энергетической ёмкости (заряда).

• Coulombic efficiency (отношение энергии, которую он отдал при полной разрядке к энергии, которую аккумулятор взял при полной зарядке)
  примеры разных CE ниже. Измеряется в процентах от 0 до 100.

Базовая задача: собрать систему, на вход которой можно дать папку с пдф и текстом описать какой именно параметр нам надо искать. Потом каждую пдфку мы парсим доклингом в маркдаун и работаем ллмкой по экстракшну этой информации в табличку.

Стратегия

1. Повторить результаты метаобзора
2. Провести новый метаобзор
3. Имея инструмент метаобзора сделать поиск нового материала

Ссылки

МЕТАОБЗОР
Heliyon_NMC811
Ключевые метрики метаобзора в таблице
Table for publication
Папка со статьями
https://disk.360.yandex.ru/d/xRneyPLHDwiOMQ
здесь 743 пдфки

Work log

• Развернуть GPT-oss 120b на своём кластере
  
• Развернуть VLLM Qwen 32b на кластере
    запрос, вытащить из статьи из таблицы значения для конкретного образца

answer = run_rag("ask", index="out", q="From the article, provide the complete set of experimental conditions for sample J12, listing all parameter values (such as pH, ammonia concentration, and impeller speed)")     print(answer)
    > ответ:

### Краткий ответ:
    Для образца J12, указанный в таблице экспериментальных условий, полный набор параметров эксперимента включает следующие значения:
    - pH: 11.0
    - Концентрация аммиака: 0.8 mol L⁻¹
    - Скорость вращения импеллера: 600 rpm

Эти параметры определены в контексте ортогонального экспериментального дизайна, описанного в таблице 2 на странице 3.
    ### Список ключевых цитат:
    1. “Sample pH Ammonia concentration (mol L⁻¹) Impeller speed (rpm)” (стр. 3)
    2. “J12 11.0 0.8 600” (стр. 3) - конкретные значения параметров для образца J12.
  пример 2, вытащить числа:
  Таблица:

answer = run_rag("ask", index="out", q="Extract all numerical values the article, including voltage range, capacity (mAh g⁻¹), loading density (mg cm⁻²), and capacity retention (%) for each sample.")
  > ответ:

### Список ключевых цитат:
  1. HLNCM (первый набор данных):
   - “HLNCM 2.8–4.3 186.3 (at 1 C) 2.1 90.6% (at 1C after 100 cycles) [12]” (стр. 13)
  2. HLNCM (второй набор данных):
   - “HLNCM 2.8–4.3 178.2 (at 1 C) 2.9 94.4% (at 1C after 100 cycles) [14]” (стр. 13)
  3. LP11.1:
   - “LP11.1 2.7–4.3 189.5 (at 1 C) 2.0 86.6% (at 1C after 100 cycles) This work Z. Wu et al.” (стр. 13)
- Развернуть docling


- Пайплайн для скачивания, парсинга и поиска характеристик
  Скачивание всех статей с яндекс диска~ 1 час
  Перевод всех статей pdf → md с помощью docling ~ 2 часа
  Запуск gptoss120b для парсинга примерно ~4 часа
- Дебаг
  По исходным честным данным гистограммы выглядят так:


  По спаршенным данным с помощью gptoss120b:


  Вот так в статье

dds
dds
Qwen 32b на GPU делает
dds

2025-12-08
Мы собрали базовый список ошибок системы

https://docs.google.com/spreadsheets/d/1FD0_b316I0CiKvTU7loPcJNqvs6XZnlSTSgxF7uWxgY/edit?gid=0#gid=0

надо его сначала учесть, потом договориться о встрече с Александрой

Всё это описываем в статье
https://typst.app/project/wDFuRscuDhxBvdPLYRvKRd

2025-12-16
Текущий статус: удалось сделать обвязочку, из-за этого добить качество картинок до ~50%.

Выводы:

• Поставить чувствительность 4%
• Для подсчёта Col Eff отдельно тащим Discharge, Charge capacity, считать руками
• Важно - сейчас в пайплайне есть скриншоты Александры, в ориг статье они чище
• Гипотеза - у картинки мб слишком низкое разрешение
• Гипотеза - возможно, ответ vlmки цепляется за подписи осей, за минимальное максимальное значение по осям.
• В статье A new insight into continuous performance decay mechanism of Ni-rich layered oxide cathode for high energy lithium ion batteries.pdf доклинг вытащил почему-то Вместо трех графиков на Figure 1 только первый из них, мб проблема в ватермарке.
  Для теста Данил положил корректную пикчу, но НАДО ПОЧИНИТЬ ДОКЛИНГ
• В статье From Surface ZrO_sub_2__sub_ Coating to Bulk Zr Doping by High Temperature Annealing of Nickel_Rich Lithiated Oxides and Their Enhanced Electrochemical Performance in Lithium Ion Batteries.pdf мы руками вытащили изображение из панели, а нужно, чтобы пайплайн их делил

Сегодня мы полностью почистили картиночный эвал. Итоговое качество.
Осталось это дело завернуть в pipeline

Не хватает модуля нормализации картинок

Пока что подняли до 71.4% !!!

2025-12-17
подняли до 80+ процентов, исправив базовые кеки
сейчас основная проблема в подсчёте coloumbic efficiency, мы раньше ей вайбовали по картинке, теперь вайбуем её составляющие и вычисляем

2026-03-25
🎉 PERELMAN принят на AI4X-AC 2026 как Poster!
Submission #316 “PERELMAN: Pipeline for scientific literature meta-analysis” — Accept (Poster).
Данил Шерки переслал email Program Chairs (20:49 мск).
- Действия: зарегистрироваться на ai4x.cc/registration + ответить Шерки
- Blocker: OPENROUTER_API_KEY для LLM шагов gigascheme