前言
随着 AI 技术的普及，AI 工具已广泛应用于各类工作场景，在显著提升效率的同时，科研领域的 AI 信任危机也日益突出。调研显示，仅有 22% 的科研人员信任现有 AI 工具，86% 的人担忧 AI 会造成重大失误。针对这一现状，Elsevier 在今年年初推出 LeapSpace AI 工作空间，旨在显著提升科研人员使用 AI 工具时的信心。我们也将通过一系列行业案例，分享 LeapSpace 在不同领域的可信应用实践，展示其如何通过可解释的 AI 帮助科研人员摆脱 “AI 幻觉” 的焦虑。同时，我们也将联合 Elsevier 旗下其他产品，探讨如何将 AI 工具与专业数据库深度结合，进一步提升企业研发效率。
今天的案例源自OLED领域，涉及LeapSpace与Reaxys。
Part.1
OLED行业案例
今天会探讨OLED行业的两个案例：
OLED新技术信息调研
RGBW是当前量产的四色主流方案，而 RGBC、RGBY 等新型四色显示是下一代重要发展方向。对企业而言，布局四色 OLED 既是产品升级的必选项，也是构建技术壁垒、抢占高端市场、主导行业标准的抓手。深度理解 RGBC/RGBY/RGBO 的当前研究状态，以及与 OLED 结合的技术难点，寻找突破方向，就必须依托大量前沿科研信息进行决策支撑。
案例探索：
如何用AI工具进行科技信息的整理，如何提高信息获取的可信度？
OLED新材料开发
基于已知骨架的结构修饰与理性设计，是有机光电材料研发的经典范式，从已报道 HTM 分子出发，通过结构分析、构效关系（SAR）总结，再进行分子裁剪 / 修饰 / 杂化设计新分子，既规避了全新骨架开发的高风险，又能精准实现性能迭代，是高校科研、企业产业化研发的核心路径，几乎所有商业化 HTM 和新型高性能 HTM 都源于这一路线。
案例探索：
如何快速获取所需的模板分析，如何进行结构分析并设计全新分子，如何对全新分析进行合成？
Part.2
案例1：OLED新技术信息调研
问题：
RGBC四色显示技术的最新进展是什么，未来有哪些应用方向，尤其是在和OLED结合方面。
对于这个问题的回答，如果由一个PHD来进行文献调研，估计没有1-2周时间是干不完的，同时还无法避免该PHD的自身经历带来的一些局限。
但是在LeapSpace中，直接用中文问即可：
LeapSpace会不断模拟人的思维方式来进行问题的思考：
在制订好研究计划后，LeapSpace逐一对相应问题进行深度探索：
当然，在进行完这一次探索后，LeapSpace会进行总结，并根据总结的结果制订下一阶段的探索计划：
在如此反复的进行过整体的3次深度探索后，就进入写作状态，完成报告。
这里需要强调一下这个过程中的数据安全性问题，我们的科研人员只是在LeapSpace输入了一个问题，这其中所有的交互，以及中间产生的内容，均采用 TLS 1.2 传输协议与 AES-256 加密算法，达到军事与金融级安全标准，是目前全球公认的高等级商用加密方案。
与此同时，LeapSpace对 OpenAI GPT 的调用全程采用私有模式：既不会发生任何数据交换，也不会使用用户数据训练 ChatGPT，从根源上保障隐私安全，为科研人员提供全方位的安心保障。
继续看一下LeapSpace生成的报告：
以下是快速参考部分，每一个进展与见解，均有文献的支持。
正文部分提到的RGBC-OLED未来研究的方向：
再来看LeapSpace给出的每一条结论的证据：
这里的20与52参考文献均来自全文，这里以20为例来阐述相关的可信度：
LeapSpace除了告知20号文献是全文外，还有相应的说明，来阐述20号文献与AI给出的论点之间的关系：
用翻译工具翻译了一下，可以发现这里的Statement指出，参考文献明确指出，钙钛矿量子点的离子特性会导致快速离子交换以及操作过程中的颜色变化。这与声明中关于快速离子交换和相关颜色变化的讨论相吻合。
在信任方面，LeapSpace就是用这种方式来告知“AI观点”的可信度的。当然文献中的相关内容依然可以看到：
但是，在构建可信任方面，LeapSpace除了这里的Statement，更多的是通过Trust Card来提升科研人员对结论的信心，继续看关于这个观点的Trust Card，这等同于就这个观点，在全球范围内再一次寻找支持，中庸，或者反对的相关文献证据：
同样，也可以给出这38篇文献存在的证据：
从这个案例中，我们可以简单总结下LeapSpace在构建Trust方面的核心：
LeapSpace的内容均来自有同行评审的全文，或者摘要，内容覆盖不单单覆盖Elsevier，还有更多合作伙伴全文，且有第三方监管来控制内容是否有倾向性，以此来保证AI生成内容的可靠。
AI所有生成的内容，均可以溯源到原文或者摘要，且通过Statement来显示溯源内容与AI Claim之间的关系是直接证据，还是间接证据，以此来保证AI生成内容的可解释性。
对于AI给出的观点，可以进一步采用Trust Card了解支持，反对该观点的证据，从而给与科研人员最全面的信心。
如果您希望了解更多的关于LeapSpace的内容，可以通过下面的二维码留下您的联系方式，让我们帮您了解更多。
Part.3
案例2：HTM材料的设计
问题：
希望通过收集的HTM模板分子，在分析结构后，进行全新HTM分子的设计，并进行全新分子的合成
对于这类问题，大家常规的做法是通过找到相关的文献或者专利，手动从其中抓取分子。一般来说，由一个PHD来进行手动抓取的话，估计没有1-2周时间是干不完的。
但是在拥有Reaxys平台的时候，则可以通过简单的方式，获取HTM分子，如：
这是通过结构和分子应用，直接获取HTM分子，该分子必须包含图中的结构，且明确被报道出来用于HTM。Reaxys可以在短短1-2分钟内给出答案：
对于这些结构，可以直接进行结构分析，如进行Murko分析，了解分子长相：
或进行环骨架分析，分析环组成：
当然还有更多的分析，这里不再赘述，大家可以看下之前的一些帖子，有很多利用Reaxys中数据进行分析的案例。最后可以利用这些分析数据来进行全新分子的设计与合成，以下是一个全新分子（案例制作时）：
用Reaxys PRT给出的合成路线：
这个案例，和第一个案例的场景不太一样，是涉及全新分子构建的一个案例，里面除了数据获取外，更多的还需要有数据的分析，结构的设计等工作，但也是OLED新材料设计的一个重要环节。
小结
以上两个案例，清晰展示了 LeapSpace 与 Reaxys 如何共同赋能 OLED 行业研发：前者通过 LeapSpace 解决了技术信息的 “可信性” 问题，确保研发有据可依；后者通过 Reaxys 及 PRT 工具，实现了 HTM 材料的深度结构分析与全新分子的合成路径规划，攻克了 “落地性” 的问题。简单来说，LeapSpace+Reaxys 的组合，为 OLED 企业研发提供了兼具高效与合规的 AI 赋能路径。它不仅加速了材料创新的迭代速度，更为企业研发构建了坚实可信的创新底座，真正助力科研人员实现高效创新。如果大家希望对LeapSpace和Reaxys有更多的了解，可以通过下面的二维码留下您的联系方式，让我们帮您了解更多。
关于LeapSpace
LeapSpace™ 是 Elsevier 推出的科研级 AI 工作平台。平台以全球海量、经同行评审、出版商中立的全文文献及摘要数据为核心基石（所有第三方出版商全文均已获得正式版权授权，OA 文献严格遵循 CC‑BY 等相应开源协议规范），融合 AI 代理、生成式 AI、推理引擎及检索增强生成技术，支持从文献分析、假设提出到数据探索的全流程科研工作。每一项 AI 输出均遵循Elsevier负责任 AI 原则，可解释、可追溯，从根本上规避通用 AI 的 “幻觉” 风险；同时配备企业级数据隐私与安全保障，通过 TLS 1.2 传输协议与 AES‑256 加密算法实现金融与军事级安全防护，并对第三方大语言模型（如 OpenAI GPT）采用私有模式调用，全程无数据外流、不用于模型训练，全方位保障科研数据安全及作者、出版商权益，为企业研发与学术研究筑牢可信 AI 底座。
关于Reaxys
Reaxys是Elsevier Life Science旗下的基于数据深度提炼与挖掘，且可以整合内部与外部化学相关科学数据的，集信息检索，信息分析，数据科学应用为一体的科研平台。目前Reaxys中的外部资源包括16,300本化学相关期刊，105家专利机构的专利，30万本书的章节，除此之外，还对这些资源中的物质，反应，理化性质，活性数据等科学数据进行提炼。Reaxys数据库本身，也开发了多种途径，用于对这些科学数据进行检索获取，同时也利用这些数据，开发了全新化合物的AI逆合成合成线路设计工具。Reaxys的使用者，也可以将Reaxys的外部科学数据与其自有的内部科学数据与进行整合，在一个平台上对内外部数据同时进行检索，分析，也可以结合Reaxys的结构化数据进行AI模型训练。如果大家对于Reaxys数据库或者Reaxys的数据应用感兴趣，可以通过文末的二维码留下您的联系方式，我们会尽快与您联系，帮您了解更多。
