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

• arxiv url: http://arxiv.org/abs/2410.16658v4
• Date: Tue, 08 Jul 2025 03:12:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-09 14:27:11.666183
• 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, Radheesh Sharma Meda, Tirtha Vinchurkar, Yayati Jadhav, Amir Barati Farimani,
• Abstract要約: Adsorb-Agentは、安定な吸着剤触媒構成を効率的に識別するために設計されたLarge Language Model (LLM)エージェントである。 20の多様なシステムでテストされ、Adsorb-Agentは84%のケースで同等の吸着触媒エネルギーを同定し、35%で低いエネルギーを達成する。
• 参考スコア（独自算出の注目度）: 5.417632175667162
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Adsorption energy is a key reactivity descriptor in catalysis. Determining adsorption energy requires evaluating numerous adsorbate-catalyst configurations, making it computationally intensive. Current methods rely on exhaustive sampling, which does not guarantee the identification of the global minimum energy. To address this, we introduce Adsorb-Agent, a Large Language Model (LLM) agent designed to efficiently identify stable adsorption configurations corresponding to the global minimum energy. Adsorb-Agent leverages its built-in knowledge and reasoning to strategically explore configurations, significantly reducing the number of initial setups required while improving energy prediction accuracy. In this study, we also evaluated the performance of different LLMs, including GPT-4o, GPT-4o-mini, Claude-3.7-Sonnet, and DeepSeek-Chat, as the reasoning engine for Adsorb-Agent, with GPT-4o showing the strongest overall performance. Tested on twenty diverse systems, Adsorb-Agent identifies comparable adsorption energies for 84% of cases and achieves lower energies for 35%, particularly excelling in complex systems. It identifies lower energies in 47% of intermetallic systems and 67% of systems with large adsorbates. These findings demonstrate Adsorb-Agent's potential to accelerate catalyst discovery by reducing computational costs and enhancing prediction reliability compared to exhaustive search methods.
• 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る。 吸着エネルギーを決定するには、多くの吸着剤触媒の構成を評価する必要がある。 現在の方法は、大域的な最小エネルギーの特定を保証しない、徹底的なサンプリングに依存している。 そこで本稿では,グローバルな最小エネルギーに対応する安定した吸着構成を効率的に識別する大規模言語モデル (LLM) エージェントであるAdsorb-Agentを紹介する。 Adsorb-Agentは組み込みの知識と推論を利用して構成を戦略的に探索し、エネルギー予測精度を改善しながら必要な初期設定数を著しく削減する。 本研究は,GPT-4o,GPT-4o-mini,Claude-3.7-Sonnet,DeepSeek-Chatなどの異なるLLMの性能をAdsorb-Agentの推算エンジンとして評価し,GPT-4oが最も高い総合性能を示した。 20の多様なシステムでテストされ、Adsorb-Agentは84%のケースで同等の吸着エネルギーを同定し、35%の低いエネルギーを達成している。 金属間化合物の47%と大型吸着剤の67%で低いエネルギーを識別する。 これらの結果は, 計算コストを削減し, 徹底探索法と比較して予測信頼性を高めることにより, 触媒発見を加速するアドソルブ・アジェントの可能性を示している。

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)
• EKGNet: A 10.96{\mu}W Fully Analog Neural Network for Intra-Patient Arrhythmia Classification [79.7946379395238]
  心電図不整脈分類におけるアナログ計算と深層学習を組み合わせた統合的アプローチを提案する。 本稿では,低消費電力で高精度にアーカイブするハードウェア効率と完全アナログ不整脈分類アーキテクチャであるEKGNetを提案する。
  論文  参考訳（メタデータ） (2023-10-24T02:37:49Z)
• 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)
• Improving Molecular Representation Learning with Metric Learning-enhanced Optimal Transport [49.237577649802034]
  分子レグレッション問題に対する一般化能力を高めるために,MROTと呼ばれる新しい最適輸送ベースアルゴリズムを開発した。 MROTは最先端のモデルよりも優れており、新しい物質の発見を加速する有望な可能性を示している。
  論文  参考訳（メタデータ） (2022-02-13T04:56:18Z)
• 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)
• Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable Edge Computing Systems [87.4519172058185]
  エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。 定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。 実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
  論文  参考訳（メタデータ） (2020-02-20T04:58:07Z)

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。