論文の概要: CatMaster: An Agentic Autonomous System for Computational Heterogeneous Catalysis Research

• arxiv url: http://arxiv.org/abs/2601.13508v1
• Date: Tue, 20 Jan 2026 01:51:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:23.115003
• Title: CatMaster: An Agentic Autonomous System for Computational Heterogeneous Catalysis Research
• Title（参考訳）: CatMaster: 計算不均一触媒研究のためのエージェント自律システム
• Authors: Honghao Chen, Jiangjie Qiu, Yi Shen Tew, Xiaonan Wang,
• Abstract要約: 自然言語要求を完全な計算作業空間に変換する,大規模言語モデル(LLM)駆動エージェントシステムであるCatMasterを提案する。 CatMasterは、インスペクションと再起動性のための重要な事実、制約、ファイルポインタの永続的なプロジェクト記録を維持している。
• 参考スコア（独自算出の注目度）: 7.778196807731191
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Density functional theory (DFT) is widely used to connect atomic structure with catalytic behavior, but computational heterogeneous catalysis studies often require long workflows that are costly, iterative, and sensitive to setup choices. Besides the intrinsic cost and accuracy limits of first-principles calculations, practical workflow issues such as keeping references consistent, preparing many related inputs, recovering from failed runs on computing clusters, and maintaining a complete record of what was done, can slow down projects and make results difficult to reproduce or extend. Here we present CatMaster, a large-language-model (LLM)-driven agent system that turns natural language requests into complete calculation workspaces, including structures, inputs, outputs, logs, and a concise run record. CatMaster maintains a persistent project record of key facts, constraints, and file pointers to support inspection and restartability. It is paired with a multi-fidelity tool library that covers rapid surrogate relaxations and high-fidelity DFT calculations for validation when needed. We demonstrate CatMaster on four demonstrations of increasing complexity: an O2 spin-state check with remote execution, BCC Fe surface energies with a protocol-sensitivity study and CO adsorption site ranking, high-throughput Pt--Ni--Cu alloy screening for hydrogen evolution reaction (HER) descriptors with surrogate-to-DFT validation, and a demonstration beyond the predefined tool set, including equation-of-state fitting for BCC Fe and CO-FeN4-graphene single-atom catalyst geometry preparation. By reducing manual scripting and bookkeeping while keeping the full evidence trail, CatMaster aims to help catalysis researchers focus on modeling choices and chemical interpretation rather than workflow management.
• Abstract（参考訳）: 密度汎関数理論(DFT)は、原子構造と触媒の挙動を結びつけるために広く用いられているが、計算異質触媒研究は、コストが高く、反復的で、設定の選択に敏感な長いワークフローを必要とすることが多い。 第一原理計算の本質的なコストと精度の限界に加えて、参照の一貫性を維持し、多くの関連する入力を準備し、コンピューティングクラスタ上での動作失敗から回復し、実行されたことを完全な記録を維持し、プロジェクトを減速させ、その結果を再現または拡張することを困難にするような、実践的なワークフローの問題もある。 ここでは,大規模言語モデル(LLM)によるエージェントシステムであるCatMasterについて述べる。自然言語要求を,構造,入力,出力,ログ,簡潔な実行レコードを含む完全な計算作業空間に変換する。 CatMasterは、インスペクションと再起動性をサポートするために、重要な事実、制約、ファイルポインタの永続的なプロジェクト記録を維持している。 高速サロゲート緩和と高忠実DFT計算を対象とする多要素ツールライブラリと組み合わせて,検証を行う。 遠隔実行によるO2スピン状態チェック,CO吸着サイトランキングによるBCC Fe表面エネルギー,水素反応反応(HER)デクリプタのための高スループットPt-Ni-Cu合金スクリーニング,およびBCC Feの式式とCO-FeN4-グラフェン触媒の触媒的調製を含む,予め定義されたツールセットを越える実証実験を行った。 CatMasterは、完全なエビデンスを保ちながら手動のスクリプティングと簿記を減らし、研究者がワークフロー管理よりも選択と化学的解釈をモデル化することに注力することを目指している。

関連論文リスト

• Accelerate Speculative Decoding with Sparse Computation in Verification [49.74839681322316]
  投機的復号化は、複数のドラフトトークンを並列に検証することにより、自動回帰言語モデル推論を加速する。 既存のスペーシフィケーション方式は主にトークン・バイ・トーケンの自己回帰復号化のために設計されている。 そこで本研究では,注目度,FFN,MoEを両立させるスパース検証フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-26T07:53:41Z)
• An Agentic Framework for Autonomous Materials Computation [70.24472585135929]
  大規模言語モデル(LLM)は、科学的発見を加速するための強力なツールとして登場した。 近年の進歩はLLMをエージェントフレームワークに統合し、複雑な科学実験のための検索、推論、ツールの使用を可能にしている。 本稿では,第一原理計算の信頼性向上を目的としたドメイン特化エージェントを提案する。
  論文  参考訳（メタデータ） (2025-12-22T15:03:57Z)
• DREAMS: Density Functional Theory Based Research Engine for Agentic Materials Simulation [1.3821435284269523]
  エージェント材料スクリーニングのためのDFTベースリサーチエンジン(DREAMS)について紹介する。 DREAMSはDFTシミュレーションのための階層的マルチエージェントフレームワークであり、LLM(Central Large Language Model)プランナーエージェントとドメイン固有のLLMエージェントを組み合わせたものである。 DREAMSをSol27LC格子定数ベンチマークで検証し,人間のDFT専門家と比較すると平均誤差を1%以下に抑えることができた。
  論文  参考訳（メタデータ） (2025-07-18T15:26:04Z)
• AutoChemSchematic AI: Agentic Physics-Aware Automation for Chemical Manufacturing Scale-Up [2.5875933818780363]
  現在のAIシステムは、重要なエンジニアリングスキーマを確実に生成することはできない。 産業用PFDとPIDの自動生成のためのクローズドループ物理対応フレームワークを提案する。 本研究では,本フレームワークが高忠実度でシミュレータ検証されたプロセス記述を生成することを示す。
  論文  参考訳（メタデータ） (2025-05-30T13:32:00Z)
• DSMoE: Matrix-Partitioned Experts with Dynamic Routing for Computation-Efficient Dense LLMs [86.76714527437383]
  本稿では,事前学習したFFN層を計算ブロックに分割することで,分散化を実現するDSMoEを提案する。 我々は,Sigmoid アクティベーションとストレートスルー推定器を用いた適応型エキスパートルーティングを実装し,トークンがモデル知識の様々な側面に柔軟にアクセスできるようにする。 LLaMAモデルを用いた実験により、DSMoEは既存のプルーニング法やMoE法に比べて優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2025-02-18T02:37:26Z)
• A Machine Learning and Explainable AI Framework Tailored for Unbalanced Experimental Catalyst Discovery [10.92613600218535]
  各種成分の触媒収率を正確に分類するために,堅牢な機械学習と説明可能なAI(XAI)フレームワークを導入する。 このフレームワークは、触媒データの不足と不均衡を処理するために設計された一連のMLプラクティスを組み合わせる。 このような知見は, 新規触媒の開発・同定において, 優れた性能を有する化学者を支援することができると信じている。
  論文  参考訳（メタデータ） (2024-07-10T13:09:53Z)
• Bayesian Optimization of Catalysis With In-Context Learning [0.6576679530536251]
  大規模言語モデル(LLM)は、文脈内学習によってゼロまたは少数例で正確な分類を行うことができる。 凍結LDMを用いた不確実性推定により、この能力を回帰に拡張する。 本研究では, 実験触媒と試験手順を自然言語のプロンプトとして表現し, 材料発見に適用する。
  論文  参考訳（メタデータ） (2023-04-11T17:00:35Z)
• AQD: Towards Accurate Fully-Quantized Object Detection [94.06347866374927]
  本稿では,浮動小数点演算を除去するために,AQDと呼ばれる高精度な量子化オブジェクト検出ソリューションを提案する。 我々のAQDは、非常に低ビットのスキームの下での完全精度と比較して、同等またはそれ以上の性能を実現しています。
  論文  参考訳（メタデータ） (2020-07-14T09:07:29Z)

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。