催化文献智能数据引擎
针对催化转化制可持续航空燃料（SAF）等领域的 PDF 文献，构建「字段级证据检索 + 化学兼容性规则校验 + 可追溯审计输出」的全流程系统，解决大模型直接抽取时易产生的幻觉、张冠李戴与参考文献污染问题。
01 / Problem 为什么不能直接让大模型读整篇 PDF？
在催化论文中，同一篇文献往往同时包含背景综述（引用他人的催化剂与产率）、正文实验组、对照实验组以及补充材料表格。若直接将全文塞给语言模型要求输出表格，极易出现三类高风险错误：
把引言综述当成本文实验
模型常将 Introduction 中引用的他人文献数据误抽取为当前论文的实验结果。
催化剂与反应条件张冠李戴
多组催化剂对比时，温度、空速（WHSV）、压力与产物选择性容易跨行错位组合。
缺少页码与原文锚点
没有原文句子与页码，科研人员仍需重读整篇 PDF 才能确认数字真伪。
02 / Architecture 六阶段证据优先流水线
PDF 解析与版面切分
按章节与段落切分正文、实验部分与图表标题，标记页码并隔离 References 与纯综述段落。
字段级证据检索
分别针对原料、催化剂、温度/压力/空速、转化率与馏分选择性检索候选证据片段。
受控结构化抽取
仅允许在绑定证据片段内抽取数值与单位，禁止脱离上下文补全缺失值。
化学兼容性与物理范围校验
基于反应体系规则过滤裸 Y 催化剂误标、异常反应温度及不合理碳数分布。
去重与版本精炼（v2.1）
对 48 份源文档按标题与 DOI 去重为 37 篇独立论文，合并重复条目，保留 288 条高质量候选。
双格式可追溯导出
同步生成科研人员友好的 Excel 对比表与包含完整证据链的 audit.json。
03 / Schema 单条记录的结构化字段与审计字段
| 字段类别 | 核心字段示例 | 校验与追溯机制 |
|---|---|---|
| 反应体系与原料 | feedstock, reaction_type, target_fraction | 限定本文实验对象，排除背景引用句子 |
| 催化剂信息 | catalyst_name, zeolite_framework (MFI / FAU / BEA), metal_loading | 框架类型词表归一；拦截未指明改性的泛化名称 |
| 反应条件 | temperature_C, pressure_MPa, WHSV_h-1, H2_to_feed | 单位自动换算与物理区间检查 |
| 催化性能 | conversion_%, C10_C16_selectivity_%, yield_% | 标注数值来源是正文段落、表格还是图注 |
| 审计证据链 | source_pdf, page_no, evidence_quote, rule_flags | 100% 绑定原文句子与页码，支持一键回看复核 |
04 / Findings 初步文献规律与学术声明
基于当前 37 篇去重文献的证据汇总可以看到：传统中孔 MFI / H-ZSM-5 体系在催化裂化与齐聚中更易富集 C4–C8 汽油馏分；若以 C10–C16 航空煤油（SAF）馏分为目标，往往受微孔扩散受限、二次裂化与积炭失活制约。后续对比重点集中在 FAU、BEA、分级孔/介孔分子筛及金属-酸双功能协同体系。
学术声明：本系统定位于「可追溯的科研文献实验数据候选抽取与人工辅助分析工具」。288 条记录均为带证据的候选条目，服务于快速筛选与横向比较，最终建库与机理论证仍需结合论文全文人工复核。