.png){kind=icon}
返回
Large Language Models for Heterogeneous Catalysis
.png){kind=icon}
PRE
AI
DOI：10.1002/wcms.70046.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
异相催化在化学制造和可持续技术领域具有广泛的应用。它利用固体催化来实现高效的化学转化。关于活性位点和反应机制的传统研究高度依赖实验和计算方法，例如密度泛函理论计算。然而，科学文献和数据的数量正在快速增长。这种快速增长使得系统性地捕捉、处理和利用新兴见解变得越来越困难。近年来，大型语言模型（LLMs）已作为支持催化研究各阶段的有力工具出现。它们理解和生成自然语言的能力有助于从大量文本中提取有用信息，辅助催化剂设计，协助实验规划，并阐明复杂的描述符。在本篇综述中，我们首先分析了将LLMs应用于异相催化的最新进展，重点关注四个关键领域：文献挖掘和知识提取、催化剂设计与筛选、实验自动化与工作流优化，以及对高维描述符的解释。随后，我们强调了该领域面临的挑战，尽管取得了这些进展，但最突出的是需要进行领域特定的微调和改进分子表示。最后，我们讨论了未来将LLMs与互补的机器学习方法以及专家在环系统集成的机遇，旨在加速下一代催化剂的理性发现。
Keyword:
autonomous experimentation
catalyst design and discovery
heterogeneous catalysis
large language models
期刊
W
IF:
27
论文数:
22
被引数:
0
机构
引用论文
Pretraining of attention-based deep learning potential model for molecular simulation基于注意力的分子模拟深度学习势模型预训练
OAAI
OAAI分享收藏
SMILES, a chemical language and information system. 1. Introduction to methodology and encoding rules微笑，一种化学语言和信息系统。1.介绍方法和编码规则
PREAI
分享收藏Revisiting Electrocatalyst Design by a Knowledge Graph of Cu-Based Catalysts for CO2 Reduction通过用于CO2还原的Cu基催化剂的知识图重新审视电催化剂设计.png)
ACS CATALYSIS
ACS CATALYSISIF13.1
PREAI
分享收藏ChatGPT Chemistry Assistant for Text Mining and the Prediction of MOF Synthesis用于文本挖掘和MOF合成预测的ChatGPT化学助手OAAI
OAAI分享收藏
查看更多内容