10月1日消息，arXiv 9月30日收录的论文（编号2609.39060）发布了Autocata，一个面向多步反应路径的催化剂自主筛选智能体。作者为Ruili Li、Rui Qi、Qingqing Mao、Ritankar Das、Beien Zhu、Yi Gao，来自中国多家研究机构（作者团队包括中科院体系计算催化方向研究者）。

AI虽已扩展催化剂发现的可探索空间，但执行复杂筛选任务仍需人工不断在高层反应目标与底层计算管线之间"搭桥"。Autocata将多步反应路径编码为可复用、可被语言调用的"能力"（capabilities），从而规模化封装催化 expertise：其核心是一个在200万个催化剂-吸附物结构上预训练的Transformer，并配备由79个吸附物专项生成模型组成的能力注册表，覆盖碳、氮、氧、氢中间体构成的复杂反应网络。用户给出高层自然语言指令后，系统自动解构反应网络、匹配并配置生成模型、生成候选表面构型，再执行物理约束校验与筛选，全程无需人工介入计算细节。

电催化与热催化研发中，反应网络级联筛选（如CO2还原、合成氨路径中数十种中间体的组合爆炸）是计算量最大的环节之一。将"反应目标→模型编排→构型生成"全链条 agent 化，意味着催化剂计算筛选从单点模型预测走向工作流自治，与近两年化学领域涌现的自主实验（self-driving lab）趋势同向。论文为预印本，尚未经同行评审。 （来源：arXiv）