The current generation of large language models (LLMs) has limited chemical knowledge. Recently, it has been shown that these LLMs can learn and predict chemical properties through fine-tuning. Using natural language to train machine learning models opens doors to a wider chemical audience, as field-specific featurization techniques can be omitted. In this work, we explore the potential and limitations of this approach. We studied the performance of fine-tuning three open-source LLMs (GPT-J-6B, Llama-3.1-8B, and Mistral-7B) for a range of different chemical questions. We benchmark their performances against "traditional" machine learning models and find that, in most cases, the fine-tuning approach is superior for a simple classification problem. Depending on the size of the dataset and the type of questions, we also successfully address more sophisticated problems. The most important conclusions of this work are that, for all datasets considered, their conversion into an LLM fine-tuning training set is straightforward and that fine-tuning with even relatively small datasets leads to predictive models. These results suggest that the systematic use of LLMs to guide experiments and simulations will be a powerful technique in any research study, significantly reducing unnecessary experiments or computations.

Natural design and fabrication strategies have long served as a source of inspiration for novel materials with enhanced properties. Less investigated is the prospect of leveraging the complexity of readily available, naturally occurring micro-/nanostructures as platforms for investigating functional materials. In the field of phononics, exploiting structural biocomposites is gaining traction; but finding natural phononic structures that interact with ultra- and hypersonic acoustic waves remains an open quest. In this context, the phononic behavior of natural Nacre, a biocomposite often looked at for inspiration due to its superlattice-like architecture of alternating organic and inorganic phases, is here characterized. To such end, a combination of non-contact pump-probe laser ultrasonics techniques and Brillouin spectroscopy are employed to interrogate Nacre's hierarchical structure at the micro- and nanoscale and measure its phononic dispersion behavior in the MHz and GHz range. It is found that for wavelengths longer than the brick-and-mortar characteristic length, Nacre behaves as a dispersionless medium with effective transversely isotropic properties; but as the wavelengths become comparable to its structural periodicity an involved phononic spectrum arises which challenges the notion of a perfectly periodic, high mechanical-contrast biocomposite.