精选理由
AdsMind用物理反馈让AI自纠错，在催化剂吸附搜索中达到近乎完美成功率，比暴力枚举快14倍，值得做计算化学的试试。
AdsMind提出闭环多智能体框架，通过机器学习力场（MLFF）松弛反馈实现自主纠错。在AA20和OCD-GMAE62基准上分别达到100%和98.8%的成功率。每个案例仅需4.11和4.67次MLFF松弛，比启发式枚举减少约14倍。DFT验证（VASP/PBE）显示，相比开放循环基线，AdsMind在所有测试案例中保持正确的吸附能符号。该框架兼顾可靠性、自反思和可解释性。
AI 翻译 · 中文
AdsMind提出闭环多智能体框架，通过机器学习力场（MLFF）松弛反馈实现自主纠错。在AA20和OCD-GMAE62基准上分别达到100%和98.8%的成功率。每个案例仅需4.11和4.67次MLFF松弛，比启发式枚举减少约14倍。DFT验证（VASP/PBE）显示，相比开放循环基线，AdsMind在所有测试案例中保持正确的吸附能符号。该框架兼顾可靠性、自反思和可解释性。
Identifying the lowest-energy surface-adsorbate configuration is critical for modeling heterogeneous catalysis, yet exhaustive exploration with ab initio calculations is computationally prohibitive. Machine-learning forc…