다중 에이전트 LLM 기반 단일 원자 촉매 설계
대규모 언어 모델(LLM)은 자연어 처리 외에도 복잡한 과학 문제 해결에 활용되며, 기존 기계 학습 방식과 달리 추론 및 맥락 학습 능력을 통해 재료 발견 분야에 새로운 패러다임을 제시하고 있습니다. 본 연구는 산소 환원 반응을 위한 고성능 단일 원자 촉매를 발견하기 위해 다중 에이전트 기반 추론 및 최적화를 통한 전기 촉매 탐색(MAESTRO) 프레임워크를 제안합니다. MAESTRO는 전문화된 역할을 가진 여러 LLM이 협력하여 자율적인 설계 루프 내에서 작동합니다. 각 에이전트는 반복적으로 추론하고, 촉매 수정안을 제안하며, …