Enhanced Conditional Generation of Double Perovskite by Knowledge-Guided Language Model Feedback
Created by
Haebom
Category
Empty
저자
Inhyo Lee, Junhyeong Lee, Jongwon Park, KyungTae Lim, Seunghwa Ryu
개요
본 논문은 이중 페로브스카이트(DPs)의 조성 설계를 위한 다중 에이전트, 텍스트 그래디언트 기반 프레임워크를 제시한다. 이 프레임워크는 LLM 기반 자기 평가, DP 관련 도메인 지식, ML 기반 대리 모델의 피드백을 통합하여 자연어 조건 하에서 DP 조성을 생성한다. 특히, 도메인 지식 기반 텍스트 그래디언트를 활용하여 생성 과정을 물리적으로 의미 있는 영역으로 유도하여, 안정성 조건 만족도를 향상시킨다.
시사점, 한계점
•
시사점:
◦
다중 에이전트, 지식 기반 텍스트 그래디언트의 DP 발견을 위한 첫 번째 체계적 분석 제시.
◦
도메인 지식 기반 그래디언트를 활용하여 생성 모델의 안정성 및 효율성 향상.
◦
LLM 단독 방식, LLM 추론 기반 피드백, 도메인 지식 기반 피드백 비교를 통해 방법론 검증.
◦
98% 이상의 조성 유효성 및 최대 54%의 안정적 또는 준안정적 후보 달성.
◦
MAS 기반 생성 재료 설계의 일반화 가능한 청사진 제시.
•
한계점:
◦
ML 기반 그래디언트는 ID(In-Distribution) 영역에서는 성능을 향상시키지만, OOD(Out-of-Distribution) 영역에서는 신뢰성이 낮음.
