Catalyst Diffusion Transformer

新AI框架加速催化剂设计以实现目标性能

研究人员开发了一个名为催化剂扩散变换器（CatDiT）的新框架，用于设计多相催化剂。该模型通过学习压缩的潜在表示，可以生成新颖且有效的催化剂结构，包括金属间合金和氧化物表面。CatDiT支持对吸附质类型、结合能和催化剂类别等多种属性进行同步条件设置，从而能够更高效、更有针对性地发现特定反应的催化剂。在氮还原反应的应用中，CatDiT识别了28个有前景的合金候选物，证明了其在推进材料科学方面的实际效用。