Gclm

大型语言模型代理加速金属有机框架气体分离设计

研究人员开发了LEMO Agent，一个利用大型语言模型加速金属有机框架（MOFs）逆向设计用于气体分离的框架。该代理在一个闭环中运行，生成候选MOFs，验证其化学有效性，使用Transformer模型预测其分离性能，并记住成功和失败的设计。与现有方法相比，LEMO Agent在CH$_4$/N$_2$和CO$_2$/N$_2$分离任务中表现出更高的性能和多样性，并且选定的候选材料已经过合成和表征。