[논문 리뷰] CatMaster: An Agentic Autonomous System for Computational Heterogeneous Catalysis Research

Honghao Chen, Jiangjie Qiu외 2명|arXiv (Cornell University)|2026. 01. 20.

Machine Learning in Materials Science인용 수 0

한 줄 요약

CatMaster는 LLM-주도형 계층적 에이전트 시스템으로, 자연어 요청을 이종 촉매에 대한 재시작 가능하고 증거가 풍부한 계산 작업공간으로 변환하며, surrogate relaxations에서 DFT 검증에 이르는 다중-충실도 워크플로를 통합한다.

ABSTRACT

Density functional theory (DFT) is widely used to connect atomic structure with catalytic behavior, but computational heterogeneous catalysis studies often require long workflows that are costly, iterative, and sensitive to setup choices. Besides the intrinsic cost and accuracy limits of first-principles calculations, practical workflow issues such as keeping references consistent, preparing many related inputs, recovering from failed runs on computing clusters, and maintaining a complete record of what was done, can slow down projects and make results difficult to reproduce or extend. Here we present CatMaster, a large-language-model (LLM)-driven agent system that turns natural language requests into complete calculation workspaces, including structures, inputs, outputs, logs, and a concise run record. CatMaster maintains a persistent project record of key facts, constraints, and file pointers to support inspection and restartability. It is paired with a multi-fidelity tool library that covers rapid surrogate relaxations and high-fidelity DFT calculations for validation when needed. We demonstrate CatMaster on four demonstrations of increasing complexity: an O2 spin-state check with remote execution, BCC Fe surface energies with a protocol-sensitivity study and CO adsorption site ranking, high-throughput Pt--Ni--Cu alloy screening for hydrogen evolution reaction (HER) descriptors with surrogate-to-DFT validation, and a demonstration beyond the predefined tool set, including equation-of-state fitting for BCC Fe and CO-FeN4-graphene single-atom catalyst geometry preparation. By reducing manual scripting and bookkeeping while keeping the full evidence trail, CatMaster aims to help catalysis researchers focus on modeling choices and chemical interpretation rather than workflow management.

연구 동기 및 목표

• 입력, 출력, 결정에 대한 모든 감사 가능한 기록을 보존하는 원자 수준 촉매 연구를 위한 자율적이고 재시작 가능한 작업공간을 제공한다.
• 로컬 및 HPC 자원 간에 지속 가능한 프로젝트 상태를 유지하며 강건하고 중단 가능한 실행을 가능하게 한다.
• 고처리량 대리 선별과 타깃이 높은 정확도 DFT 검증을 연결하여 발견 속도를 가속화한다.
• 일련의 촉매 시연을 통해 다중 충실도 워크플로와 롱테일 태스크 처리 능력을 시연한다.

제안 방법

• 마일스톤 작업이 실질적 산출물과 지속 가능한 프로젝트 기록을 생성하는 파일 중심 실행 계약을 도입한다.
• 장기적 워크플로를 위한 지속 가능한 화이트보드 메모리를 갖춘 계층형 플래너-실행자-요약자 에이전트 루프를 활용한다.
• 지오메트리 구성, 검색, VASP 입력 생성, surrogate relaxations (MACE), DFT 검증을 포함하는 다중 충실도 도구 라이브러리를 통합한다.
• 재현성과 감사 추적 가능성을 보장하기 위해 모든 도구 입력에 대해 엄격한 스키마 검증을 사용한다.
• 미확인 중간 결과를 처리하기 위한 화이트보드 산출물을 통한 이연 해상도 계획을 가능하게 한다.
• 감사 추적을 보존하는 한편 중요한 결정 시 인간-참여 루프 체크포인트가 개입하도록 한다.

실험 결과

연구 질문

• RQ1 LLM-주도형 에이전트가 자연어 촉매 의도를 자율적으로 재시작 가능하고 감사 가능 한 작업공간으로 변환할 수 있는가?
• RQ2 계층형 에이전트 오케스트레이션이 이종 컴퓨트 자원에서 장기적이고 다중 충실도 촉매 워크플로를 어떻게 수행하는가?
• RQ3 합금 시스템에서 유망한 HER(descriptors) 식별에 대해 surrogate 기반 선별과 표적 DFT 검증의 영향은 무엇인가?
• RQ4 전용 도구 없이도 안정 원시 형식의 구성이 EOS 피팅, SAC 기하학 등 롱테일 태스크를 어느 정도 가능하게 하는가?
• RQ5 현실 세계의 촉매 워크플로우에서 이러한 에이전트의 한계와 실패 모드는 무엇인가?

주요 결과

• CatMaster는 입력, 로그 및 기계 판독 가능 요약을 포착하는 재시작 가능한 작업공간을 생성하여 감사 가능성과 재현성을 가능하게 한다.
• O2 스핀 상태 작업에서 시스템은 바르게 삼중항 O2를 기저 상태로 식별했고 에너지 차가 0.38 eV, 결합 길이가 약 1.233–1.234 Å였다.
• BCC Fe 표면 에너지의 경우 CatMaster의 결과가 γ(110), γ(100), γ(111)에 대해 상대 오차 3% 이내로 문헌 벤치마크와 일치했다.
• 분산 및 중심 고정 슬랩을 포함한 프로토콜 감도 계획 하에서 CatMaster는 제약으로 인해 더 높은 에너지를 반영하면서도 안정성 순서를 유지했다.
• Pt–Ni–Cu에 걸친 다중 충실도 HER 선별에서 MACE를 통한 surrogate 선별은 347개 사이트를 상위 후보로 좁혔으며 DFT 검증에서 상당한 일치를 보였다(최고 ΔG_H* 편차 +0.033 eV).
• 시스템은 전용 도구 없이 일반 프리미티브를 사용해 EOS 피팅 및 SAC 기하학 구성을 수행함으로써 구성적 자율성을 보여준다.