arXiv cs.AI· Heewoong Noh, Gyoung S. Na, Elton Pan, Namkyeong Lee, Chanyoung Park·· 3 天前AI 评分22
CondMSP：条件驱动与资源感知的无机材料合成规划
CondMSP: Condition-Informed and Resource-Aware Inorganic Materials Synthesis Planning
AI 导读
CondMSP 将材料合成规划从配方预测扩展到执行感知规划，通过联合预测器与变量专属专家预测温度、时间和气氛，并将其同时用作工艺上下文与执行需求。在共享约束下，该方法将参考配方回收率从 27.9% 提升至 32.9%（每个目标 3 次模拟炉次），30 次试验下从 34.7% 提升至 40.0%。新增的 2,344 个目标评测集支持泛化到氧化物主导训练化学之外的材料。
正文 · AI 翻译
摘要：材料合成规划（MSP）通过为目标材料提出前驱体、合成操作和工艺条件，将 AI 驱动的材料发现与实验实现连接起来。现有方法分别或成对预测这些组成部分，并且仅将条件视为预测目标。因此，MSP 仍以配方预测为中心：它未探索条件如何作为工艺上下文来构建合成路线，也未解决在有限实验资源下应执行哪些候选路线的问题。我们提出 CondMSP，将 MSP 从配方预测扩展到执行感知规划。CondMSP 通过将联合预测器与变量特定专家相结合来预测温度、时间和气氛，然后将这些预测既用作工艺上下文，为操作序列的生成和检索提供依据，又用作执行需求，指定哪些热阶段可以共用一次炉次运行以及以何种成本。该规范在所有比较方法中保持固定；在此规范内，CondMSP 通过共同效用对跨前驱体集的路线进行排序，并在炉次预算下通过约束优化联合选择路线并分配其热阶段。CondMSP 改进了条件和操作预测，并且在此共享约束下，将参考配方恢复率从 27.9% 提高到 32.9%（每个目标三次模拟炉次运行），在 30 次试验中从 34.7% 提高到 40.0%，同时一个包含 2,344 个目标的新评估集支持对以氧化物为主的训练化学范围之外的泛化。
| Subjects: | 人工智能（cs.AI） |
| Cite as: | arXiv:2610.15603 [cs.AI] |
| （或 arXiv:2610.15603v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.15603 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Heewoong Noh [查看电子邮件]
[v1]
2026年10月11日星期日 13:26:41 UTC（211 KB）
来源：arXiv cs.AI · arxiv.org