用于催化剂设计与优化的人工智能(AI)工作流

在开发新型催化剂以应对紧迫的环境问题和能源需求的过程中,由于催化剂参数空间的复杂性和广阔性,传统的设计与优化方法往往存在不足。机器学习(ML)的出现为催化剂优化领域开启了新纪元,为传统技术的缺陷提供了潜在的解决方案。然而,现有方法未能有效利用日益增长的催化剂合成科学文献中所蕴含的丰富信息。为了弥补这一空白,本研究提出了一种创新的人工智能(AI)工作流,该工作流集成了大型语言模型(LLMs)、贝叶斯优化和主动学习循环,以加速并增强催化剂优化。我们的方法将先进的语言理解能力与稳健的优化策略相结合,有效地将从多样化文献中提取的知识转化为用于实际实验和优化的可操作参数。在本文中,我们展示了该 AI 工作流在氨生产催化剂合成优化中的应用。结果突显了该工作流简化催化剂开发过程的能力,为传统方法提供了一种快速、资源高效且高精度的替代方案。