Adsorb-Agent: Autonomous Identification of Stable Adsorption Configurations via Large Language Model Agent

要約

吸着エネルギーは触媒における重要な反応性記述子であり、最適な触媒の効率的なスクリーニングを可能にします。
ただし、吸着エネルギーを決定するには、通常、多数の吸着性触媒構成を評価する必要があります。
現在のアルゴリズムアプローチは、吸着部位と構成の徹底的な列挙に依存しているため、プロセスが計算的に集中し、グローバルな最小エネルギーの識別を本質的に保証しません。
この作業では、グローバルな最小吸着エネルギーに対応するシステム固有の安定した吸着構成を効率的に識別するように設計された、大規模な言語モデル（LLM）エージェントであるAdSorb-Agentを紹介します。
Adsorb-Agentは、吸着エネルギーを保持する可能性のある吸着構成を戦略的に調査するために、組み込みの知識と緊急推論能力を活用します。
網羅的なサンプリングへの依存を減らすことにより、吸着エネルギー予測の精度を改善しながら、必要な初期構成の数を大幅に減らします。
さまざまな複雑さを含む20の代表システムにわたるAdsorb-Agentのパフォーマンスを評価します。
AdSorb-Agentは、システムの83.7％で同等の吸着エネルギーを正常に識別し、システムの35％で実際のグローバル最小値に近いエネルギーを達成しますが、従来の方法よりも初期構成が大幅に少なくなります。
その能力は、複雑なシステムで特に明白であり、金属間表面を含むシステムの46.7％と、吸着分子が大きいシステムの66.7％の吸着エネルギーが低いことを識別します。
これらの結果は、計算コストを削減し、吸着エネルギーの予測の信頼性を改善することにより、触媒発見を加速する吸着剤の可能性を示しています。

要約(オリジナル)

Adsorption energy is a key reactivity descriptor in catalysis, enabling efficient screening for optimal catalysts. However, determining adsorption energy typically requires evaluating numerous adsorbate-catalyst configurations. Current algorithmic approaches rely on exhaustive enumeration of adsorption sites and configurations, which makes the process computationally intensive and does not inherently guarantee the identification of the global minimum energy. In this work, we introduce Adsorb-Agent, a Large Language Model (LLM) agent designed to efficiently identify system-specific stable adsorption configurations corresponding to the global minimum adsorption energy. Adsorb-Agent leverages its built-in knowledge and emergent reasoning capabilities to strategically explore adsorption configurations likely to hold adsorption energy. By reducing the reliance on exhaustive sampling, it significantly decreases the number of initial configurations required while improving the accuracy of adsorption energy predictions. We evaluate Adsorb-Agent’s performance across twenty representative systems encompassing a range of complexities. The Adsorb-Agent successfully identifies comparable adsorption energies for 83.7% of the systems and achieves lower energies, closer to the actual global minimum, for 35% of the systems, while requiring significantly fewer initial configurations than conventional methods. Its capability is particularly evident in complex systems, where it identifies lower adsorption energies for 46.7% of systems involving intermetallic surfaces and 66.7% of systems with large adsorbate molecules. These results demonstrate the potential of Adsorb-Agent to accelerate catalyst discovery by reducing computational costs and improving the reliability of adsorption energy predictions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google