AceWGS：加速水煤气变换反应催化剂设计的 LLM 辅助框架
计算与语言
2025-03-10 v1 人工智能
摘要
尽管水煤气变换（WGS）反应在燃料电池的氢气生产中起着至关重要的作用，但寻找合适的催化剂以在低温 WGS 反应中实现高产率仍是一个持续的挑战。人工智能（AI）已展现出通过探索广阔候选空间来加速催化剂设计的潜力，然而，两个关键差距限制了其有效性。首先，AI 模型主要在数值数据上训练，无法捕捉基于文本的重要信息，如催化剂合成方法。其次，催化剂设计的跨学科性质要求 AI、理论、实验和数值模拟之间无缝协作，这往往导致沟通障碍。为了解决这些差距，我们提出了 AceWGS，一个大型语言模型（LLM）辅助框架，以简化 WGS 催化剂设计。AceWGS 通过自然语言与研究人员交互，基于四个功能回答查询： 回答一般性查询； 提取由 WGS 相关期刊文章组成的数据库的信息； 理解这些文章中描述的上下文； 使用我们提出的 AI 逆向模型识别催化剂候选物。我们展示了一个实际案例研究，演示了 AceWGS 如何加速催化剂设计过程。AceWGS 基于开源工具构建，提供了一个可调节的框架，研究人员可以轻松将其适配于一系列 AI 加速的催化剂设计应用，支持跨学科研究的无缝集成。
引用
@article{arxiv.2503.05607,
title = {AceWGS: An LLM-Aided Framework to Accelerate Catalyst Design for Water-Gas Shift Reactions},
author = {Joyjit Chattoraj and Brahim Hamadicharef and Teo Shi Chang and Yingzhi Zeng and Chee Kok Poh and Luwei Chen and Teck Leong Tan},
journal= {arXiv preprint arXiv:2503.05607},
year = {2025}
}