arXiv综述：机器学习加速高熵合金催化剂设计，破解天文数字级组分空间搜索难题
中国科研团队在arXiv发布综述，系统梳理机器学习方法在高熵合金（HEA）催化剂设计中的应用：通过预测模型与代理模型解析成分-结构-性能关系，结合大语言模型构建集成设计工作流，可显著降低传统试错成本。高熵催化剂因组分空间巨大，正是ML方法最具优势的材料体系之一。
LLM
共 3 篇 · B910化工 · AI 化学信息库
MagMatLLM：约束引导的AI框架发现12种新型磁性绝缘体，10种通过第一性原理验证
南加州大学和UCLA团队提出MagMatLLM框架，将大语言模型晶体生成与进化选择、多目标筛选和第一性原理验证结合，在生成阶段直接嵌入磁性、绝缘性和稳定性约束，从220万候选中识别出12种新型磁性绝缘体，其中10种经声子分析和自旋极化DFT计算确认。
大语言模型预测金属有机框架材料工业化放大，准确率达91.4%
研究团队开发ESU-MOF框架，通过文献挖掘数据集和正无标签学习策略微调大语言模型，预测MOF材料合成放大潜力，准确率达91.4%，可加速MOF从实验室到工业的转化。