技术摘要：AdsMind

问题陈述

识别能量最低的表面-吸附质构型是计算多相催化中的一个根本性瓶颈。构型空间会随着位点类型（顶位、桥位、空位）、吸附质取向以及构象灵活性而呈组合爆炸式增长，通常对于单个系统会产生数百到数千个候选构型。虽然密度泛函理论（DFT）提供了高精度，但其计算成本（每次弛豫需要数百到数千 CPU 小时）使得详尽的探索变得难以实现。

机器学习力场（MLFF）提供了数个数量级的加速，但并未解决上游的搜索策略问题：即决定“评估哪些”构型。现有的方法分为两类，且各具局限性：

1. 开环深度学习： 如图神经网络或生成模型，它们在单次传递中提出候选方案，而无需物理反馈。如果初始提议遗漏了稳定的构型或存在几何不一致性，该流程无法进行自我修复。
2. 随机搜索： 遗传算法或基组跳跃（Basin Hopping）减少了评估次数，但仍需要大量的专家监督，并且在跨组分空间时的扩展性较差。

此外，最近的大语言模型（LLM）智能体（如 Adsorb-Agent）在生成吸附假设方面展现了潜力，但它们属于开环系统。它们缺乏基于物理的反馈机制来纠正错误的初始猜测，导致出现了“无声”失败——即实现的物理结构与计划的意图（例如位点滑动或解离）不符，而智能体对此并不知情。

方法论：AdsMind 框架

作者提出了 AdsMind（基于机器智能与弛豫反馈的吸附构型发现），这是一个旨在通过 MLFF 弛豫反馈实现自主错误纠正的闭环多智能体系统。该框架集成了 LLM 规划器与使用 MACE-MP-0 力场的迭代结构弛豫。

核心架构

AdsMind 由五个专门的智能体组成：

1. 规划器（Planner）： 生成结构化的吸附假设（JSON 格式），指定位点类型、结合原子和索引。至关重要的是，其提示词包含了累积的搜索历史和来自前几次迭代的反馈信号。
2. 验证器（Validator）： 在模拟前强制执行模式约束（例如，有效的结合索引、与位点类型的几何兼容性以及去重），以防止在畸形的假设上浪费资源。
3. 执行器（Executor）： 将符号化的假设转换为具体的原子结构，标准化表面薄层，并使用 BFGS 算法配合 MACE-MP-0 力场进行结构弛豫。
4. 分析器（Analyzer）： 解析弛豫轨迹以提取具有化学意义的诊断信息，包括吸附能、键合完整性以及**化学滑动（Chemical Slip）**检测（即实际结合位点与计划结合位点之间的偏差）。
5. 总结器（Summarizer）： 处理终止报告和早停逻辑，生成带有可视化内容的结构化 Markdown 报告。

闭环机制

系统依赖于三种反馈机制来驱动迭代纠正：

• 化学滑动检测： 识别弛豫后的结合模式或位点类型是否偏离了规划器的初始意图。
• FORBID 指令： 将滑动的或不稳定的位点意图转化为后续迭代中的显式禁止项，防止智能体重复已知的失败尝试。
• TERMINATE 指令： 利用收敛信号（例如，能量简并度在最优结果 0.05 eV 以内）来实现早停，从而优化弛豫预算。

实验设置

该框架在两个基准数据集上进行了评估：

• AA20： 包含 20 个涉及金属间化合物和单金属表面的表面-吸附质案例。
• OCD-GMAE62： 包含 62 个案例，涵盖金属间化合物、单金属以及化学多样性的化合物表面（硫族化物、合金）。

测试了四种 LLM 后端：Gemini-2.5-Pro、GPT-5.4、Claude-Sonnet-4.6 和 Grok-4。主要 MLFF 计算器为 MACE-MP-0 (small)。研究还包括消融变体（1-Shot、无 Term、无 Slip、无 Forbid）以及与启发式枚举基准和开环 Adsorb-Agent 的对比。DFT 验证在六个代表性的 AA20 系统上使用 VASP/PBE 完成。

关键结果

1. DFT 验证与物理保真度

在六个代表性的 AA20 系统上，AdsMind 表现出优于开环 Adsorb-Agent 的定性一致性：

• 符号正确性： AdsMind 在所有测试案例中都保持了吸附能正确的放热符号。相比之下，Adsorb-Agent 在 Pt 和 CuPd3 表面上的分子吸附质（OH 和 NNH）表现出了定性符号错误（将放热系统预测为吸热结合）。
• 定量一致性： AdsMind 实现的平均绝对误差（MAE）为 1.55 eV（相对于 DFT），而 Adsorb-Agent 为 1.84 eV，且未观察到符号不匹配现象。

2. 搜索可靠性与效率

• 成功率： AdsMind（全配置模式）在 AA20 上达到了 100% 的成功率，在 OCD-GMAE62 上达到了 98.8%。开环 1-Shot 基准在 OCD-GMAE62 上的成功率降至 89.5%。
• 弛豫预算： AdsMind 大幅减少了每个案例所需的 MLFF 弛豫次数。
  • AA20： 每个案例 4.11 次弛豫（而启发式枚举的中位数为 56 次）。
  • OCD-GMAE62： 每个案例 4.67 次弛豫（而启发式枚举的中位数为 61.5 次）。
  • 这代表与启发式基准相比，在保持更高可靠性的同时，计算成本降低了约 14 倍。

3. 消融与收敛分析

• 反馈的必要性： 1-Shot（开环）变体显示出显著更高的能量偏差和更低的成功率。对“化学滑动”的分析表明，在金属间表面，61.5%–76.9% 的有效 1-Shot 尝试在弛豫后偏离了预期的位点类型，凸显了开环智能体的失效模式。
• 跨后端一致性： 闭环全配置模式降低了跨后端的能量离散度。在 AA20 上，四个 LLM 之间的平均能量范围从 1-Shot 的 0.473 eV 降至 Full 配置的 0.195 eV。
• 稳定性： Tier 2 稳定性审计显示，72.9% 的 Full 配置运行返回的所选能量在运行间范围低于 0.001 eV，这表明反馈约束有效地抑制了 LLM 的随机性。

4. 权衡

研究承认存在可靠性–探索性权衡。虽然 AdsMind 优先考虑可靠的收敛和预算控制，但 FORBID 指令偶尔会过度约束搜索，导致在极少数边缘案例中错过更低能量的局部势阱（例如，出现了一例 1-Shot 找到的结构比 Full 配置低 0.99 eV 的情况）。然而，作者指出这是特定于后端的边缘案例，而非系统性失败。

意义与主张

本文将 AdsMind 定位为迈向可解释且具备自我纠错能力的自主科学发现的基础性一步。其主要贡献在于：

1. 闭合回路： 它证明了将物理弛豫结果反馈给 LLM 规划器，可以使系统检测、诊断并从自身的推理错误（如几何滑动）中恢复，这是开环智能体所不具备的能力。
2. 可靠性高于广度： AdsMind 确立了一个“可靠性优先”的操作范畴。它牺牲了启发式枚举的详尽广度，以极小的计算成本实现了经过化学审计的收敛。
3. 可解释性： 通过量化“化学滑动”并生成诊断产物（FORBID 约束、键合完整性报告），该系统使搜索过程变得可检查，弥合了符号化 LLM 规划与物理现实之间的鸿沟。
4. 鲁棒性： 该框架在不同的 LLM 后端和表面化学性质下均表现出一致的性能，降低了对特定模型的敏感性，为下游比较提供了稳定的基础。

作者得出结论，虽然 AdsMind 不能保证在所有复杂情况下都能找到全局最小值，但它提供了一个实用的、基于物理的流程，通过确保所提出的构型不仅在统计学上是可能的，而且在物理上是一致且经过自我验证的，从而支持更具洞察力的自主化学研究。