論文の概要: Reaction-network reasoning with frontier models for experimentally confirmed catalyst-selectivity hypotheses

• arxiv url: http://arxiv.org/abs/2607.08003v1
• Date: Thu, 09 Jul 2026 00:11:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-10 14:45:27.371896
• Title: Reaction-network reasoning with frontier models for experimentally confirmed catalyst-selectivity hypotheses
• Title（参考訳）: 実験的に確認された触媒選択性仮説のためのフロンティアモデルによる反応-ネットワーク推論
• Abstract要約: 経路競合を支配する物理レバーを同定することにより,フロンティア言語モデルが新規触媒を発見可能であることを示す。 我々は、複雑な化学グラフからテスト可能な仮説を抽出するために、ネットワーク不変性を強制する人間-AI共同思考フレームワークを開発した。
• 参考スコア（独自算出の注目度）: 2.680414327006012
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Catalysts are essential for sustainable chemical manufacturing, yet discovering novel architectures remains a bottleneck dominated by trial-and-error experimentation and computationally intensive screening. In complex reactions such as electrochemical carbon dioxide reduction, product selectivity is governed by dynamic interfacial, electrolyte, and potential factors as well as kinetic pathway competition. Conventional descriptor-based machine learning and computational potentials struggle to resolve these mechanistic branch points, primarily relying on static ground-state descriptors or bulk structural correlations rather than end-to-end topological pathway analysis. Here, we show that frontier language models, when strictly constrained to reason over explicit reaction networks, can discover novel catalysts by identifying the physical levers that govern pathway competition. We developed a human-AI co-thinking framework that enforces network invariance to extract testable hypotheses from complex chemical graphs. Applied to CO2 electroreduction, the framework identified ketene desorption and hydroxide capture as the acetate-forming pathway, and predicted a distinct adsorbed CO and CH2 coupling route to ketene. By isolating actionable control levers, specifically local alkalinity, controlled iron incorporation, and restricted interfacial proton-donor accessibility, the framework guided the prospective synthesis of a copper-iron oxide catalyst demonstrating a threefold increase in acetate selectivity over matched Cu-rich baselines. This mechanism-guided reasoning architecture shifts the computational paradigm from retrospective statistical prediction to forward-looking hypothesis generation, providing a broadly applicable blueprint for mechanism-guided materials discovery.
• Abstract（参考訳）: 触媒は持続可能な化学製造に不可欠であるが、新しいアーキテクチャを発見することは、試行錯誤実験と計算集約スクリーニングに支配されるボトルネックである。 電気化学的二酸化炭素還元のような複雑な反応では、生成物選択性は動的界面、電解質、電位因子および運動経路競合によって制御される。 従来の記述子に基づく機械学習と計算ポテンシャルは、主に静的な基底状態記述子や、エンドツーエンドのトポロジカルパス解析よりもバルク構造的相関に頼って、これらの機械的分岐点を解決するのに苦労する。 ここでは、フロンティア言語モデルが、明示的な反応ネットワークの推論に厳格に制約されている場合、経路競合を制御している物理レバーを同定することにより、新しい触媒を発見することができることを示す。 我々は、複雑な化学グラフからテスト可能な仮説を抽出するために、ネットワーク不変性を強制する人間-AI共同思考フレームワークを開発した。 CO2電気還元法では, ケチレンの脱離と水酸化水素の捕捉を酢酸生成経路として同定し, ケチレンへの吸着COとCH2の結合経路を予測した。 活性制御レバー, 特に局所アルカリ性, 鉄の固定化, 界面プロトン-ドナーアクセシビリティの制限により, 一致したCu-リッチ基線上での酢酸選択性の3倍の増大を示す銅-鉄酸化物触媒の先進的な合成を導出した。 このメカニズム誘導推論アーキテクチャは、計算パラダイムを振り返り統計予測から前方の仮説生成にシフトさせ、メカニズム誘導材料発見のための幅広い青写真を提供する。

関連論文リスト

• Catalyst Diffusion Transformer: Generative Inverse Design of Heterogeneous Catalysts [0.18665975431697432]
  触媒拡散変換器 (CatDiT) は逆触媒設計のための統一的なフレームワークである。 CatDiTは、金属間合金から酸化物表面まで、有効で新しい構造を生成する。
  論文  参考訳（メタデータ） (2026-07-27T11:11:33Z)
• Beyond the Black Box: An Interpretable Machine Learning Framework for Predicting Electronic Structure Microdescriptors and Structure-Performance Relationships in Fe-based Catalytic Systems [0.0]
  本研究は,SHAPに基づく特徴重要度分析(Explainable AI)を木系アンサンブルと統合し,メタン(POM)の部分酸化のためのFe-ゼオライトおよび酸化物担持触媒を特徴付ける解釈可能な機械学習フレームワークを提案する。 限られたデータにもかかわらず、このフレームワークは、電子バンドギャップに影響を及ぼし、選択性、活動性、安定性などのマクロなパフォーマンス指標を管理する熱力学的、構造的、幾何学的マイクロディスクリプタを識別し、ランク付けすることで、複雑な構造と性能の関係をデコードする。
  論文  参考訳（メタデータ） (2026-05-09T15:25:30Z)
• From Static Spectra to Operando Infrared Dynamics: Physics Informed Flow Modeling and a Benchmark [67.29937933325849]
  Operando IR Predictionは、1つの静的スペクトルからスペクトル指紋の時間分解進化を予測することを目的としている。 OpIRSpec-7Kは、10の異なるバッテリーシステムにわたる7,118の高品質なサンプルで構成されている。 ABCCは最先端の静的、シーケンシャル、および生成的ベースラインを著しく上回る。
  論文  参考訳（メタデータ） (2026-02-20T18:58:43Z)
• ChemNavigator: Agentic AI Discovery of Design Rules for Organic Photocatalysts [0.0]
  ChemNavigatorは、自律的に構造-プロパティ関係を導出するエージェントAIシステムである。 ケムナビゲーターは、フロンティア軌道エネルギーを管理する6つの統計的に重要な設計規則を自律的に特定した。
  論文  参考訳（メタデータ） (2026-01-23T07:44:28Z)
• Latent Causal Diffusions for Single-Cell Perturbation Modeling [83.47931153555321]
  測定ノイズ下で観察された定常拡散過程として単細胞遺伝子発現をフレーム化する生成モデルを提案する。 LCDはシングルセルRNAシークエンシングスクリーンにおいて、目に見えない摂動の組み合わせの分布変化を予測するために確立されたアプローチより優れていた。 我々は、摂動応答(CLIPR)を介して因果線形化と呼ばれるアプローチを開発し、全ての遺伝子間の直接的な因果効果を近似する。
  論文  参考訳（メタデータ） (2026-01-20T16:15:38Z)
• Kolmogorov-Arnold Chemical Reaction Neural Networks for learning pressure-dependent kinetic rate laws [0.0]
  化学反応ニューラルネットワーク(CRNN)は、データから直接反応の速度論を発見するための解釈可能な機械学習フレームワークとして登場した。 我々は,各運動パラメータをシステム圧力の学習可能な関数としてモデル化することにより,CRNNを一般化するKolmogorov-Arnold化学反応ニューラルネットワーク(KA-CRNN)を開発した。
  論文  参考訳（メタデータ） (2025-11-10T23:08:54Z)
• Breaking scaling relations with inverse catalysts: a machine learning exploration of trends in $\mathrm{CO_2}$ hydrogenation energy barriers [0.0]
  逆触媒における基本反応過程の遷移状態を調べるためのワークフローを提案する。 我々は、Cu(111)上に担持した酸化インジウムナノクラスター上における必須前駆体中間体とその生成に焦点をあてる。 得られた遷移状態ジオメトリーの集合の解析により、ナノクラスターの端や内部における異なる構造-活性の傾向が明らかになった。
  論文  参考訳（メタデータ） (2025-04-23T08:12:47Z)
• Learning Chemical Reaction Representation with Reactant-Product Alignment [50.28123475356234]
  RAlignは、様々な有機反応関連タスクのための新しい化学反応表現学習モデルである。 反応物質と生成物との原子対応を統合することにより、反応中に起こる分子変換を識別する。 モデルが重要な機能群に集中できるように,反応中心認識型アテンション機構を導入する。
  論文  参考訳（メタデータ） (2024-11-26T17:41:44Z)
• Doubly Stochastic Graph-based Non-autoregressive Reaction Prediction [59.41636061300571]
  電子再分配予測を得るために2つの二重自己アテンションマッピングを組み合わせた新しいフレームワークを提案する。 提案手法は,非自己回帰モデルの予測性能を常に向上することを示す。
  論文  参考訳（メタデータ） (2023-06-05T14:15:39Z)
• 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)
• Discovering Latent Causal Variables via Mechanism Sparsity: A New Principle for Nonlinear ICA [81.4991350761909]
  ICA(Independent component analysis)は、この目的を定式化し、実用的な応用のための推定手順を提供する手法の集合を指す。 潜伏変数は、潜伏機構をスパースに正則化すれば、置換まで復元可能であることを示す。
  論文  参考訳（メタデータ） (2021-07-21T14:22:14Z)
• Quantitative Prediction on the Enantioselectivity of Multiple Chiral Iodoarene Scaffolds Based on Whole Geometry [4.042350304426974]
  名前反応におけるキラル触媒の反応範囲を拡張するための予測ワークフローを提案する。 複数の触媒足場の3D構造を最適化したDFTから全ジオメトリディスクリプタをエンコードした。 アンサンブルモデルのコンセンサス予測のために、このグローバルディスクリプタは、ステリモールパラメータおよび非共有相互作用と比較することができる。
  論文  参考訳（メタデータ） (2021-03-25T20:08:56Z)
• Retrosynthesis Prediction with Conditional Graph Logic Network [118.70437805407728]
  コンピュータ支援のレトロシンセシスは、化学と計算機科学の双方から新たな関心を集めている。 本稿では,グラフニューラルネットワーク上に構築された条件付きグラフィカルモデルであるConditional Graph Logic Networkを用いて,この課題に対する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2020-01-06T05:36:57Z)

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。