論文の概要: Autonomous heterogeneous catalyst discovery with a self-evolving multi-agent digital twin

• arxiv url: http://arxiv.org/abs/2606.05050v1
• Date: Wed, 03 Jun 2026 16:10:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.313006
• Title: Autonomous heterogeneous catalyst discovery with a self-evolving multi-agent digital twin
• Title（参考訳）: 自己進化型多エージェントディジタル双晶を用いた自己不均一触媒の発見
• Authors: Zhilong Song, Zongmin Zhang, Lixue Cheng,
• Abstract要約: CatDT (Catalysis Digital Twin) は、作動触媒の自律型デジタルツインを構築する自己進化型マルチエージェントシステムである。 8つの専門エージェントと27の科学ツールが安定なファセットを予測し、作業面を再構築し、反応経路を列挙し、ランク付けし、遷移状態を特定し、単一のGPU上で5～30分で運動量を計算する。
• 参考スコア（独自算出の注目度）: 1.2947828742859666
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Theoretical heterogeneous catalysis promises rapid catalyst discovery, yet computational and machine-learning predictions often deviate from experiment and stay confined to narrow material families, for want of a faithful, condition-aware catalytic simulator. We present CatDT (Catalysis Digital Twin), a self-evolving multi-agent system that builds an autonomous digital twin of a working catalyst, unifying gas-solid and liquid-solid modeling. From only a bulk crystal and a natural-language reaction description, eight specialized agents and 27 scientific tools predict stable facets, reconstruct working surfaces, enumerate and rank reaction pathways, locate transition states, and compute kinetics in 5-30 min on a single GPU. Two innovations address the hardest steps: UniMech finds dominant pathways for novel materials at over $10^3\times$ lower cost than exhaustive enumeration by fusing agent-guided proposals with energy-cached graph search, and a memory-augmented reinforcement loop raises barrier-calculation success from 41\% to 84\% across 600 catalytic surfaces. Across seven gas-solid benchmarks -- stepped metals, single-atom catalysts, ordered intermetallics, vacancy-rich 2D sulfides and carbides, and a strong-metal--support-interaction (SMSI) interface -- every CatDT prediction lies within 0.5-2 times experiment over four orders of magnitude. For propane dehydrogenation, CatDT independently discovers non-precious candidates rivaling the Pt-based industrial benchmark, with a proposed Ni@ZrO$_2$ SMSI overlayer reaching a simulated TOF of $1.63~\text{s}^{-1}$ at $\sim$100\% selectivity. More broadly, the decisive factor for a faithful catalyst digital twin -- or any multi-stage scientific simulator -- is not raw LLM capability but the engineered harness around it: deterministic tools, persistent memory, and verified self-improvement that compound across models, tools, and runs.
• Abstract（参考訳）: 理論的不均一触媒は触媒の発見を早めるが、計算と機械学習の予測は実験から逸脱し、忠実で条件対応の触媒シミュレータを欲しがっているため、狭い物質族に限られることが多い。 動作触媒の自律型ディジタルツインを構築し,ガス固相・液体固相モデリングを統一する自己進化型マルチエージェントシステムであるCatDT(Catalysis Digital Twin)を提案する。 バルク結晶と自然言語による反応記述だけで、8つの特殊エージェントと27の科学的ツールが安定なフェートを予測し、作業面を再構築し、反応経路を列挙し、ランク付けし、遷移状態を見つけ、単一のGPU上で5～30分で運動量を計算する。 2つの革新は最も困難なステップに対処する: UniMech は、新規物質を10^3\times で、エネルギーキャッシュグラフサーチによるエージェント誘導の提案を融合させることにより、全量化よりも低コストで提供し、メモリ増強された強化ループにより、600触媒表面におけるバリア計算の成功を 41\% から 84\% に引き上げる。 ステップメタル、単原子触媒、金属間金属、空洞に富んだ2Dスルフィドと炭化物、強力な金属-支持相互作用(SMSI)インターフェースの計7つのベンチマークで、キャットDTの予測は4桁の0.5～2倍の精度で実験されている。 プロパン脱水素のため、CatDT は Pt ベースの産業ベンチマークに対抗し、Ni@ZrO$_2$ SMSI 重層が1.63〜\text{s}^{-1}$$$\sim$100\% の擬似TOFに達することを独自に発見する。 より広範に言えば、忠実な触媒のデジタルツイン -- あるいは多段階の科学シミュレータ -- に対する決定的な要素は、生のLLM能力ではなく、それを取り巻くエンジニアリングされたハーネス – 決定論的ツール、永続的メモリ、モデル、ツール、実行をまたがる検証された自己改善 – である。

関連論文リスト

• Science Earth: Towards A Planet-Scale Operating System for AI-Native Scientific Discovery [51.70607714288616]
  サイエンスアース(Science Earth)は、惑星規模の科学ランタイムで、あらゆる能力が他のものと接続できる。 その基盤となるEACNプロトコルは、機能を相互に発見し、タスクのオーナシップを交渉し、互換性のない明示的な標準を越えて判断することを可能にする。 2つの実行は、構造的に異なる条件下でこれを検証します。
  論文  参考訳（メタデータ） (2026-05-31T16:05:41Z)
• Benchmark Dataset for Catalysis on 2D MXenes [20.3137851025657]
  2次元(2D) Ti$VCT$_y$MXenesに焦点をあてた。 この課題に対処するために、トレーニング用の5万のDFT計算とテスト用の1万の包括的なデータセットを生成します。 EquiformerV2, MACE, MatRIS, UPETなどの機械学習の原子間ポテンシャル(MLIP)モデルを用いて, 原子間力と形成エネルギーを正確に予測し, 評価する。
  論文  参考訳（メタデータ） (2026-05-30T16:18:17Z)
• Agentic Fusion of Large Atomic and Language Models to Accelerate Superconductor Discovery [85.54953285509167]
  ElementsClawは、わずか28GPU時間で68,000人の高信頼候補を特定する。 我々は4つの新しい超伝導体を実験的に合成し、検証した。
  論文  参考訳（メタデータ） (2026-04-26T15:14:38Z)
• LLM-Driven Discovery of High-Entropy Catalysts via Retrieval-Augmented Generation [2.2716047672389306]
  本稿では,触媒発見プロセスにおいて,大規模言語モデルがいかに役立つかを示す。 本稿では,GPT-4が化学空間をナビゲートできる検索拡張生成フレームワークを提案する。 提案手法は, 熱力学的安定性率82%の触媒候補を250以上生成した。
  論文  参考訳（メタデータ） (2026-03-16T14:10:52Z)
• Catalyst-Agent: Autonomous heterogeneous catalyst screening and optimization with an LLM Agent [10.596902977676807]
  本稿では,サーバベースのLLMAIエージェントであるCatalyst-Agentを紹介する。 OPTIMADE APIを使って巨大なマテリアルデータベースを探索できる。 Catalyst-Agentは、選択して評価するすべての材料のうち、23～34%の成功率を達成する。
  論文  参考訳（メタデータ） (2026-03-01T22:44:56Z)
• Quantum algorithm for simulating non-adiabatic dynamics at metallic surfaces [0.034998703934432676]
  分子-金属界面における非断熱力学は、様々な技術的に重要な現象を制御している。 我々は,現実的な分子-金属界面をシミュレーションするための高度に最適化された量子アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2026-01-22T19:00:07Z)
• Hierarchical Multi-agent Large Language Model Reasoning for Autonomous Functional Materials Discovery [0.0]
  電子構造推論におけるシミュレーションと理論のための材料エージェント(マスター) MASTERでは、マルチモーダルシステムは自然言語を密度汎関数理論に変換し、高レベルの推論エージェントは戦略階層を通して発見を導く。 推論軌道は、サンプリングやセマンティックバイアスによって説明できない化学的根拠のある決定を示す。
  論文  参考訳（メタデータ） (2025-12-15T22:08:18Z)
• PhAST: Physics-Aware, Scalable, and Task-specific GNNs for Accelerated Catalyst Design [102.9593507372373]
  触媒材料は産業プロセスに関わる電気化学反応において重要な役割を担っている。 機械学習は、大量のデータから材料特性を効率的にモデル化する可能性を秘めている。 本稿では,ほとんどのアーキテクチャに適用可能なタスク固有のイノベーションを提案し,計算効率と精度の両立を図っている。
  論文  参考訳（メタデータ） (2022-11-22T05:24:30Z)

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。