AI赋能催化剂研发：Catal-GPT探索工业催化剂设计新途径 | NSR

在人工智能与催化科学的交叉前沿，一项突破性研究正重塑催化剂开发的范式。沈阳化工大学与武汉理工大学的学者们基于开源大语言模型qwen2，创新性构建了专为催化剂设计的智能平台：Catal-GPT，通过自然语言处理技术实现催化剂配方的高效生成与优化，为工业催化领域注入全新动能，相关成果发表于《国家科学评论》（National Science Review, NSR）。

核心突破：从文献对话到配方生成

与传统经验性的催化剂开发方式不同，Catal-GPT搭建了人机协同的创新链条。该系统采用模块化架构，整合催化剂的合成、表征与应用数据，其经清洗编码后输入定制化的GPT模型。研究人员可像与催化专家展开对话般地向系统提问，AI不仅能快速提取文献中的关联知识（针对文章采用的数据源、知识提取准确率达92%），更能直接生成可执行的催化剂制备方案，甚至根据研究人员的反馈持续优化催化剂制备参数。

Catal-GPT工作流程示意图

实战验证：展示引导技术变革的潜力

以甲烷氧化偶联（OCM）催化反应为研究对象，Catal-GPT展现出了强大实力。面对复杂反应体系的多变量约束，系统成功地输出了完整设计流程，并在后续问答中精准细化关键的制备参数。实验表明，这种"AI设计师+实验验证"的模式可显著缩短研发周期，为工业催化剂的定制开发开辟新路径。相较于专注分析预测的化学专用大模型，Catal-GPT的独特价值在于其“生成可执行催化剂制备方案”的能力。

未来展望：解锁催化研究的"黑箱操作"

目前，团队已着手解决跨体系迁移的核心挑战：通过解耦通用知识与反应特有参数，有望实现"一键切换"应用于不同催化体系。这项研究展现了生成式AI在催化领域的革命性潜力，当科学家与AI深度协作，催化剂开发将从"大海捞针"变为"精准制导"。随着更多高质量数据的注入，Catal-GPT或将为绿色化工与能源转型提供有力支撑。

Catal-GPT: AI-driven directed efficient design framework for catalysts

https://doi.org/10.1093/nsr/nwaf299