PulseAugur
实时 14:53:16
English(EN) Toward Controllable Catalyst Inverse Design via Large-Scale Autoregressive Pretraining

生成式AI模型加速催化剂发现

研究人员开发了一种基于生成式预训练Transformer (GPT) 架构的新型条件催化剂生成模型。该模型在超过1.33亿个催化剂结构上进行了预训练,可以根据组成和结合能等特定属性生成新的催化剂结构。它展示了高的结构和优化有效性,显著提高了催化剂发现的筛选效率。 AI

影响 该模型生成具有目标属性的有效催化剂结构的能力,可以显著加速材料科学的研究和发现。

排序理由 该集群包含一篇在arXiv上发表的关于新型AI催化剂设计模型的 ist 研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Dong Hyeon Mok, Jonggeol Na, Seoin Back ·

    Toward Controllable Catalyst Inverse Design via Large-Scale Autoregressive Pretraining

    arXiv:2606.17445v1 Announce Type: new Abstract: Inverse design of heterogeneous catalysts remains challenging because catalyst surfaces exhibit substantial structural complexity with coupled surface-adsorbate interactions across a vast chemical space that is difficult to explore …