研究人员开发了AdsMind，一个新颖的多代理系统，旨在加速异质催化剂表面吸附构型的发现。该闭环框架集成了机器学习力场（MLFFs）和大型语言模型（LLMs），实现了自主纠错并提高了搜索可靠性。与启发式方法相比，AdsMind显著减少了所需的MLFF弛豫次数，实现了高成功率，并提供了比开放式LLM代理更准确的结果，从而支持更高效的自主化学工作流程。 AI
影响 该系统可以通过自动化复杂的构型发现过程，显著加速材料科学研究。
排序理由 该集群包含一篇详细介绍用于科学发现任务的新AI系统的研究论文。
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2606.19152v1 Announce Type: cross Abstract: Identifying the lowest-energy surface-adsorbate configuration is critical for modeling heterogeneous catalysis, yet exhaustive exploration with ab initio calculations is computationally prohibitive. Machine-learning force fields (…
Identifying the lowest-energy surface-adsorbate configuration is critical for modeling heterogeneous catalysis, yet exhaustive exploration with ab initio calculations is computationally prohibitive. Machine-learning force fields (MLFFs) accelerate structural relaxation but leave …
Identifying the lowest-energy surface-adsorbate configuration is critical for modeling heterogeneous catalysis, yet exhaustive exploration with ab initio calculations is computationally prohibitive. Machine-learning force fields (MLFFs) accelerate structural relaxation but leave …