催化剂的高通量筛选：基于图神经网络与大模型的催化活性中心描述与活性预测.docx

PAGE2

催化剂的高通量筛选：基于图神经网络与大模型的催化活性中心描述与活性预测

摘要

本报告聚焦材料与化工领域的前沿交叉方向，系统研究了基于图神经网络（GNN）与大语言模型（LLM）的催化剂高通量筛选行业。核心发现表明，大模型通过学习海量文献与计算数据中的吸附质-催化剂表面相互作用模式，正颠覆传统试错法，实现CO2还原与合成氨等关键反应非贵金属催化剂的极速筛选。2023年全球该领域市场规模达12.5亿元，同比增速38.5%，集中度CR5超55%。

报告遵循”概况→环境→现状→竞争→需求→趋势→机会→建议”的逻辑展开。宏观层面，双碳目标与化工转型构筑政策底座；现状层面，产业链呈”微笑曲