exploring the use of gpt-4 for x-ray photoelectron spectroscopy data analysis

Questa tesi indaga l'applicazione dei Large Language Models (LLM) nel campo dell'analisi dei dati derivati dalla Spettroscopia Fotoelettronica a Raggi X (XPS). In collaborazione con Applied Materials Inc., lo studio utilizza GPT-4, accessibile attraverso ChatGPT, per valutarne le capacità e i limiti nel consultare vaste basi di conoscenza ed estrarre informazioni specifiche dalla letteratura scientifica. L'obiettivo è valutare il potenziale degli LLM nell'assistere gli ingegneri dei materiali nell'interpretazione di dati complessi ottenuti dalla XPS, fondamentale per la produzione di dispositivi a semiconduttore. Il primo capitolo fornisce una panoramica sull'evoluzione degli LLM, discutendo le architetture chiave e gli sviluppi nel campo. Il secondo capitolo introduce la Spettroscopia Fotoelettronica a Raggi X, spiegando i principi della tecnica, la generazione dei fotoelettroni, gli spostamenti chimici e le sfide nell'analisi degli spettri XPS. Il terzo capitolo dettaglia il setup sperimentale, inclusa la selezione degli articoli di ricerca, i metodi di estrazione dei dati e le sfide affrontate durante lo studio. Infine, il quarto capitolo presenta i risultati degli esperimenti, discutendo le prestazioni dell'LLM nell'estrazione degli spostamenti chimici da articoli singoli e multipli, e conclude con riflessioni sulle capacità e i limiti degli LLM nell'analisi dei dati XPS, nonché potenziali future direzioni di ricerca in questo campo.