Autonomous computational catalysis through an agentic research system

核心要点

问题/背景

这篇 ChemRxiv 论文把 computational catalysis 重新组织成 agentic research system：不是让 LLM 写几段脚本，而是把建模、计算、机制分析、批判和催化剂设计串成一个持续演化的虚拟研究生态。

方法/机制

CatMaster 维护 evolving research state，并通过 self-feedback 在 model construction、calculation、critique 和 catalyst-design decisions 之间循环。论文报告它能从自然语言请求生成具体计算研究，并在 CO2-to-CO 催化剂设计案例中迭代提出候选结构。

结果/证据

正式收录价值在于它体现 AI for Science 从工具调用走向端到端计算研究工作流的模式，尤其适合催化和材料发现中多尺度模拟、机制推理和设计迭代。

收录价值

它不是更高一级，因为仍是预印本，且自动发现的科学有效性还需要更强外部验证和实验闭环；但作为 agentic computational catalysis workflow，它达到突破性门槛。