Sungkyunkwan大学のProf. Sung Beom Choが率いる研究チームは、Ajou大学とMITとの共同で、大規模言語モデル（LLM）を用いた閉ループ材料合成計画プラットフォームを開発した。プラットフォームは新規かつ複雑な材料に対し合成条件を提案し、実験結果に基づいて改善する。研究はAdvanced Materials誌に掲載された。

モデルは、4,407件のオープンアクセス固体合成論文から、目標材料、前駆体、温度、回転速度、圧力、時間といった情報を含むデータベースを構築し学習した。Retrieval‑augmented generation手法で類似合成例を検索し、提案レシピを提示する。提案は文献条件と比較して平均4/5点の評価を得た。酸化セレン系固体電解質の実験では、モデルが最初に提案した600 °Cの条件で不純相が生成されたが、結果をモデルにフィードバックしたところ、温度を450 °C、さらに400 °Cに下げることで単相材料が得られた。

この成果は、実験的フィードバックなしでは予測が限定的であることを示し、現在は特定の電解質にのみ適用された。データベースとモデルを他の材料系へ拡張すれば探索範囲は広がる可能性があるが、人間の専門知識が依然として重要であることが強調されている。