研究人员开发了先进的AI系统，用于自主催化剂发现，旨在加速识别用于化学反应的新材料。其中一个系统CatDT充当催化剂的数字孪生，统一了各种建模技术来预测稳定性、反应路径和动力学。另一个系统CatMaster充当智能体研究环境，将自然语言查询转化为计算研究，并通过自我批评迭代地改进设计。这两种方法都显示出预测准确性和效率的显著提高，其中CatDT取得了接近实验的结果，而CatMaster则识别出了用于CO2转化的有竞争力的催化剂基序。 AI
影响 这些AI系统有望大大加快新催化剂的发现速度，从而可能带来更高效、更可持续的化学过程。
排序理由 两篇arXiv论文描述了用于计算催化的新型AI系统。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.05050v1 Announce Type: cross Abstract: Theoretical heterogeneous catalysis promises rapid catalyst discovery, yet computational and machine-learning predictions often deviate from experiment and stay confined to narrow material families, for want of a faithful, conditi…
arXiv:2601.13508v4 Announce Type: replace-cross Abstract: Autonomous agents are beginning to transform scientific research from tool-assisted workflows toward self-sustaining discovery processes. Computational catalysis provides a representative challenge, as catalyst discovery r…