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反応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、多数の吸着質と触媒の構成を評価する必要があります。
現在のアルゴリズムによるアプローチは、吸着サイトと構成の徹底的な列挙に依存しているため、プロセスの計算量が多くなり、本質的に全体的な最小エネルギーの特定が保証されません。
この研究では、全体的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特定するように設計された大規模言語モデル (LLM) エージェントである Adsorb-Agent を紹介します。
Adsorb-Agent は、内蔵の知識と新しい推論機能を活用して、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探索します。
徹底的なサンプリングへの依存を減らすことで、必要な初期設定の数が大幅に減り、同時に吸着エネルギー予測の精度が向上します。
私たちは、さまざまな複雑さを含む 20 の代表的なシステムにわたって 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特定することに成功し、システムの 35% で実際の世界最小値に近いより低いエネルギーを達成しながら、必要な初期構成は従来の方法より大幅に少なくなります。
その能力は複雑な系で特に顕著であり、金属間化合物表面を含む系の 46.7%、大きな吸着質分子を含む系の 66.7% で低い吸着エネルギーが特定されます。
これらの結果は、Adsorb-Agent が計算コストを削減し、吸着エネルギー予測の信頼性を向上させることで触媒発見を加速する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