Toward Controllable Catalyst Inverse Design via Large-Scale Autoregressive Pretraining

En 3 lignesModèle génératif basé sur GPT pour la conception inverse de catalyseurs hétérogènes. Préentraîné sur 133 millions de structures, affiné sur 460 000 structures optimisées. Atteint 98% de validité structurelle, 95% de validité d'optimisation, et améliore l'efficacité de criblage de 1,5 à 4 fois pour la découverte de catalyseurs ciblés.

Résumé généré par Claude — vérifié par l'humain