From Phase Prediction to Phase Design: A ReAct Agent Framework for High-Entropy Alloy Discovery
본 논문은 4,753 건의 실험 데이터를 기반으로 학습된 XGBoost 대리 모델을 활용하여 ReAct 에이전트 프레임워크가 고엔트로피 합금의 위상 예측을 넘어, 기존 문헌 기반의 단순 회상에서 벗어나 화학적 다양성을 갖춘 새로운 합금 조성의 역설계를 자동화하고 검증하는 새로운 패러다임을 제시함을 보여줍니다.