AIonopedia: 이온성 액체 발견을 위한 다중 모드 학습을 조율하는 LLM 에이전트

초록

신규 이온성 액체(IL)의 발견은 제한된 데이터, 낮은 모델 정확도, 단편화된 워크플로우 등 물성 예측의 중요한 과제로 인해 지연되고 있다. 우리는 대규모 언어 모델(LLM)의 힘을 활용하여, 우리가 아는 한 최초의 IL 발견용 LLM 에이전트인 AIonopedia를 소개한다. LLM 기반 다중 모드 IL 도메인 파운데이션 모델을 기반으로 하는 AIonopedia는 정확한 물성 예측을 가능하게 하며, 분자 스크리닝 및 설계를 위한 계층적 탐색 구조를 통합하였다. 새롭게 구축된 포괄적인 IL 데이터셋으로 훈련 및 평가된 우리 모델은 우수한 성능을 보여준다. 이러한 결과를 보완하기 위해 문헌에 보고된 시스템에 대한 평가는 해당 에이전트가 효과적인 IL 변형을 수행할 수 있음을 시사한다. 오프라인 테스트를 넘어, 실제 실험실 검증을 통해 실용적인 효용이 추가로 확인되었으며, 에이전트는 어려운 분포 외 작업에서도 탁월한 일반화 능력을 입증하여 실제 IL 발견 과정을 가속화할 수 있는 능력을 강조하였다.

English

The discovery of novel Ionic Liquids (ILs) is hindered by critical challenges in property prediction, including limited data, poor model accuracy, and fragmented workflows. Leveraging the power of Large Language Models (LLMs), we introduce AIonopedia, to the best of our knowledge, the first LLM agent for IL discovery. Powered by an LLM-augmented multimodal domain foundation model for ILs, AIonopedia enables accurate property predictions and incorporates a hierarchical search architecture for molecular screening and design. Trained and evaluated on a newly curated and comprehensive IL dataset, our model delivers superior performance. Complementing these results, evaluations on literature-reported systems indicate that the agent can perform effective IL modification. Moving beyond offline tests, the practical efficacy was further confirmed through real-world wet-lab validation, in which the agent demonstrated exceptional generalization capabilities on challenging out-of-distribution tasks, underscoring its ability to accelerate real-world IL discovery.

AIonopedia: 이온성 액체 발견을 위한 다중 모드 학습을 조율하는 LLM 에이전트

AIonopedia: an LLM agent orchestrating multimodal learning for ionic liquid discovery

초록

Support