論文の概要: Adsorb-Agent: Autonomous Identification of Stable Adsorption Configurations via Large Language Model Agent

• arxiv url: http://arxiv.org/abs/2410.16658v1
• Date: Tue, 22 Oct 2024 03:19:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-23 14:28:21.879178
• Title: Adsorb-Agent: Autonomous Identification of Stable Adsorption Configurations via Large Language Model Agent
• Title（参考訳）: 吸着エージェント:大規模言語モデルエージェントによる安定吸着構成の自律的同定
• Authors: Janghoon Ock, Tirtha Vinchurkar, Yayati Jadhav, Amir Barati Farimani,
• Abstract要約: Adsorb-AgentはLarge Language Model(LLM)エージェントで、システム固有の安定な吸着剤触媒構成を効率的に導出する。 本研究では, NNH-CuPd3 (111) と NNH-Mo3Pd (111) の2つの例を用いて, ハーバーボッシュ法に代わる持続可能な窒素還元反応 (NRR) の性能を実証する。
• 参考スコア（独自算出の注目度）: 5.812284760539713
• License:
• Abstract: Adsorption energy is a key reactivity descriptor in catalysis, enabling the efficient screening of potential catalysts. However, determining adsorption energy involves comparing the energies of multiple adsorbate-catalyst configurations, which is computationally demanding due to a large number of possible configurations. Current algorithmic approaches typically enumerate adsorption sites and configurations without leveraging theoretical insights to guide the initial setup. In this work, we present Adsorb-Agent, a Large Language Model (LLM) agent designed to efficiently derive system-specific stable adsorption configurations with minimal human intervention. Adsorb-Agent leverages built-in knowledge and emergent reasoning capabilities, significantly reducing the number of initial configurations required while improving accuracy in predicting the minimum adsorption energy. We demonstrate its performance using two example systems, NNH-CuPd3 (111) and NNH-Mo3Pd (111), for the Nitrogen Reduction Reaction (NRR), a sustainable alternative to the Haber-Bosch process. Adsorb-Agent outperforms conventional "heuristic" and "random" algorithms by identifying lower-energy configurations with fewer initial setups, reducing computational costs while enhancing accuracy. This highlights its potential to accelerate catalyst discovery.
• Abstract（参考訳）: 吸着エネルギーは触媒反応における重要な反応性記述子であり、潜在的触媒の効率的なスクリーニングを可能にする。 しかし、吸着エネルギーを決定するには、多くの可能な構成のために計算的に要求される複数の吸着剤触媒構成のエネルギーを比較する必要がある。 現在のアルゴリズムアプローチでは、初期設定を導くために理論的な洞察を活用することなく、一般的に吸着部位と構成を列挙する。 本研究では,人間の介入を最小限に抑えて,システム固有の安定吸着構成を効率的に導出するための大規模言語モデル(LLM)エージェントであるAdsorb-Agentを提案する。 Adsorb-Agentは組み込みの知識と創発的推論能力を活用し、最小吸着エネルギーの予測精度を改善しながら必要な初期構成の数を著しく削減する。 本研究では, NNH-CuPd3 (111) と NNH-Mo3Pd (111) の2つの例を用いて, ハーバーボッシュ法に代わる持続可能な窒素還元反応 (NRR) の性能を実証する。 Adsorb-Agentは、より低エネルギーな構成をより少ない初期設定で識別し、精度を高めながら計算コストを削減し、従来の「ヒューリスティック」および「ランダム」アルゴリズムより優れている。 これは触媒発見を加速させる可能性を強調している。

関連論文リスト

• Explainable Data-driven Modeling of Adsorption Energy in Heterogeneous Catalysis [6.349503549199403]
  本研究の目的は,物理研究とデータ駆動手法のギャップを埋めることである。 我々は、ポストホックXAI分析とシンボリック回帰という2つのXAI技術を採用している。 私たちの仕事は、機械学習技術とXAIを統合する堅牢なフレームワークを確立します。
  論文  参考訳（メタデータ） (2024-05-30T18:06:14Z)
• Adaptive Catalyst Discovery Using Multicriteria Bayesian Optimization with Representation Learning [17.00084254889438]
  高性能触媒は、持続可能なエネルギー変換と人間の健康に不可欠である。 触媒の発見は、巨大で高次元の構造と合成空間をナビゲートするための効率的なアプローチがないため、課題に直面している。
  論文  参考訳（メタデータ） (2024-04-18T18:11:06Z)
• Molecule Design by Latent Prompt Transformer [76.2112075557233]
  本研究は、分子設計の課題を条件付き生成モデリングタスクとしてフレーミングすることによって検討する。 本研究では,(1)学習可能な事前分布を持つ潜伏ベクトル,(2)プロンプトとして潜伏ベクトルを用いる因果トランスフォーマーに基づく分子生成モデル,(3)潜在プロンプトを用いた分子の目標特性および/または制約値を予測する特性予測モデルからなる新しい生成モデルを提案する。
  論文  参考訳（メタデータ） (2024-02-27T03:33:23Z)
• ChemReasoner: Heuristic Search over a Large Language Model's Knowledge Space using Quantum-Chemical Feedback [37.06094829713273]
  新しい触媒の発見は、新しいより効率的な化学プロセスの設計に不可欠である。 量子化学に基づく3次元原子論表現からのフィードバックで言語推論を統一するAI誘導型計算スクリーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-15T21:33:07Z)
• AdsorbRL: Deep Multi-Objective Reinforcement Learning for Inverse Catalysts Design [0.0]
  クリーンエネルギー移行における中心的な課題は、低エミッション技術のための触媒の開発である。 量子化学における機械学習の最近の進歩は、触媒活性記述子の計算を劇的に加速させる。 本稿では,多目的結合エネルギーターゲットが与えられた潜在的な触媒を特定することを目的とした,深層強化学習エージェントであるAdsorbRLを紹介する。
  論文  参考訳（メタデータ） (2023-12-04T19:44:04Z)
• On the importance of catalyst-adsorbate 3D interactions for relaxed energy predictions [98.70797778496366]
  吸着剤の相対的な位置を無視しながら,OC20データセットの緩和エネルギーを予測できるかどうかを検討する。 結合サイト情報の削除は,期待通りに精度を低下させるが,修正モデルは極めて良好なMAEで緩和エネルギーを予測することができる。
  論文  参考訳（メタデータ） (2023-10-10T14:57:04Z)
• DR-Label: Improving GNN Models for Catalysis Systems by Label Deconstruction and Reconstruction [72.20024514713633]
  本稿では,新しいグラフニューラルネットワーク(GNN)と予測戦略DR-Labelを提案する。 この戦略は、監視信号を強化し、エッジ表現における解の多重度を低減し、ノード予測を堅牢にすることを促す。 DR-Labelは3つの根本的に異なるモデルに適用され、それぞれが一貫した性能向上を示した。
  論文  参考訳（メタデータ） (2023-03-06T04:01:28Z)
• AdsorbML: A Leap in Efficiency for Adsorption Energy Calculations using Generalizable Machine Learning Potentials [8.636519538557001]
  機械学習のポテンシャルを利用して、低エネルギー吸着面の配置をより正確に、効率的に特定できることを示す。 我々のアルゴリズムは、精度と効率のトレードオフのスペクトルを提供し、1つのバランスの取れたオプションは、その時間の87.36%のエネルギー構成を見つける。
  論文  参考訳（メタデータ） (2022-11-29T18:54:55Z)
• Multi-Task Mixture Density Graph Neural Networks for Predicting Cu-based Single-Atom Alloy Catalysts for CO2 Reduction Reaction [61.9212585617803]
  グラフニューラルネットワーク(GNN)は、材料科学者からますます注目を集めている。 本研究では,DimeNet++と混合密度ネットワークに基づくマルチタスク(MT)アーキテクチャを構築し,その性能向上を図る。
  論文  参考訳（メタデータ） (2022-09-15T13:52:15Z)
• An Accelerated Doubly Stochastic Gradient Method with Faster Explicit Model Identification [97.28167655721766]
  本稿では、分散正規化損失最小化問題に対する2倍加速勾配降下法(ADSGD)を提案する。 まず、ADSGDが線形収束率を達成でき、全体的な計算複雑性を低減できることを示す。
  論文  参考訳（メタデータ） (2022-08-11T22:27:22Z)
• Optimizing Molecules using Efficient Queries from Property Evaluations [66.66290256377376]
  汎用的なクエリベースの分子最適化フレームワークであるQMOを提案する。 QMOは効率的なクエリに基づいて入力分子の所望の特性を改善する。 QMOは, 有機分子を最適化するベンチマークタスクにおいて, 既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-11-03T18:51:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。