論文の概要: Prospects for Using Artificial Intelligence to Understand Intrinsic Kinetics of Heterogeneous Catalytic Reactions

• arxiv url: http://arxiv.org/abs/2510.18911v1
• Date: Tue, 21 Oct 2025 04:35:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:14.232503
• Title: Prospects for Using Artificial Intelligence to Understand Intrinsic Kinetics of Heterogeneous Catalytic Reactions
• Title（参考訳）: 人工知能を用いた不均一触媒反応の内在的速度論の理解への展望
• Authors: Andrew J. Medford, Todd N. Whittaker, Bjarne Kreitz, David W. Flaherty, John R. Kitchin,
• Abstract要約: 鍵となるフロンティアは、AIをマルチスケールモデルとマルチモーダル実験に統合することである。 一貫性のないデータ品質と モデルの複雑さは 機械的な発見を制限する 生成AIとエージェントAIは、モデル生成を自動化し、不確実性を定量化し、実験でカップル理論を組み込むことができる。
• 参考スコア（独自算出の注目度）: 2.0971479389679337
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artificial intelligence (AI) is influencing heterogeneous catalysis research by accelerating simulations and materials discovery. A key frontier is integrating AI with multiscale models and multimodal experiments to address the "many-to-one" challenge of linking intrinsic kinetics to observables. Advances in machine-learned force fields, microkinetics, and reactor modeling enable rapid exploration of chemical spaces, while operando and transient data provide unprecedented insight. Yet, inconsistent data quality and model complexity limit mechanistic discovery. Generative and agentic AI can automate model generation, quantify uncertainty, and couple theory with experiment, realizing "self-driving models" that produce interpretable, reproducible, and transferable understanding of catalytic systems.
• Abstract（参考訳）: 人工知能(AI)は、シミュレーションと材料発見を加速することで異種触媒研究に影響を与える。 重要なフロンティアは、AIをマルチスケールモデルとマルチモーダルな実験に統合して、本質的な運動学とオブザーバブルをリンクする"多数対1"の課題に対処することだ。 機械学習力場、マイクロキネティクス、原子炉モデリングの進歩は化学空間の迅速な探索を可能にし、オペナンドと過渡的なデータは前例のない洞察を与える。 しかし、一貫性のないデータ品質とモデルの複雑さは機械的な発見を制限する。 生成的かつエージェント的なAIは、モデル生成を自動化し、不確実性を定量化し、そして、触媒システムの解釈可能で再現可能で伝達可能な理解を生成する「自動運転モデル」を実現する実験とカップル理論を実現することができる。

関連論文リスト

• Artificial Intelligence and Generative Models for Materials Discovery -- A Review [0.0]
  Reviewは、材料発見に適用可能なAI駆動生成モデルのさまざまな原則について議論することを目的としている。 また, 新規触媒, 半導体, 高分子, 結晶の設計における生成モデルの具体的な応用についても紹介する。
  論文  参考訳（メタデータ） (2025-08-05T09:56:27Z)
• AI-Driven Automation Can Become the Foundation of Next-Era Science of Science Research [58.944125758758936]
  科学科学(Science of Science, SoS)は、科学的発見の基礎となるメカニズムを探求する。 人工知能(AI)の出現は、次世代のSoSに変革の機会をもたらす。 我々は、従来の手法よりもAIの利点を概説し、潜在的な制限について議論し、それらを克服するための経路を提案する。
  論文  参考訳（メタデータ） (2025-05-17T15:01:33Z)
• Machine Learning - Driven Materials Discovery: Unlocking Next-Generation Functional Materials - A review [0.0]
  機械学習(ML)によるアプローチは、材料発見、プロパティ予測、マテリアルデザインに革命をもたらしている。 このレビューでは、材料の機械的、熱的、電気的、光学的特性を予測するML駆動方式の現実的な応用を強調した。 データ品質、解釈可能性、AutoMLと量子コンピューティングの統合など、重要な課題にも対処しています。
  論文  参考訳（メタデータ） (2025-03-22T15:24:38Z)
• Rapid and Automated Alloy Design with Graph Neural Network-Powered LLM-Driven Multi-Agent Systems [0.0]
  マルチエージェントAIモデルは、新しい金属合金の発見を自動化するために使用される。 MLをベースとした原子間ポテンシャルをモデルとした立方晶(bcc)合金のNbMoTa族に着目した。 LLMをベースとしたエージェントの動的協調により、GNNの予測力を相乗化することにより、システムは巨大な合金設計空間を自律的にナビゲートする。
  論文  参考訳（メタデータ） (2024-10-17T17:06:26Z)
• Transforming organic chemistry research paradigms: moving from manual efforts to the intersection of automation and artificial intelligence [0.9883261192383611]
  有機化学は、労働集約的なアプローチから、自動化とAIが支配する新しい時代へと、大きなパラダイムシフトを遂げている。 本稿では、このパラダイムシフトによってもたらされる複数の機会と課題について考察し、その長期的影響について考察する。 これは、自動化とAIの相乗的相互作用によってますます定義される有機化学研究の将来の軌道に関する貴重な洞察を提供する。
  論文  参考訳（メタデータ） (2023-11-26T09:46:03Z)
• On the Computational Entanglement of Distant Features in Adversarial Machine Learning [8.87656044562629]
  計算的絡み合い」の概念を導入する 計算的絡み合いにより、未確認のテストサンプルであっても、ランダムノイズを適合させることで、ネットワークはゼロ損失を達成することができる。 本稿では, 計算エンタングルメントの新たな応用法として, 計算エンタングルメントを, 非ローバストな最悪ケースのサンプル・インプットの変換に適用する。
  論文  参考訳（メタデータ） (2023-09-27T14:09:15Z)
• Neural Operators for Accelerating Scientific Simulations and Design [85.89660065887956]
  Neural Operatorsとして知られるAIフレームワークは、継続的ドメインで定義された関数間のマッピングを学習するための原則的なフレームワークを提供する。 ニューラルオペレータは、計算流体力学、天気予報、物質モデリングなど、多くのアプリケーションで既存のシミュレータを拡張または置き換えることができる。
  論文  参考訳（メタデータ） (2023-09-27T00:12:07Z)
• The Future of Fundamental Science Led by Generative Closed-Loop Artificial Intelligence [67.70415658080121]
  機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。 AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。 ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
  論文  参考訳（メタデータ） (2023-07-09T21:16:56Z)

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。