近日,厦门大学程俊教授团队、厦门大学王野教授团队与英国爱丁堡大学 Jeff Z. Pan 教授团队合作,在接力催化(Relay catalysis)研究中提出了一种结合大语言模型(LLM)与自建催化知识图谱(Cat-KG)的催化路径智能推荐方法。相关成果以“Synergizing Knowledge Graph and Large Language Model for Relay Catalysis Pathway Recommendation”为题发表于《National Science Review》。该方法通过自动化反应数据采集与结构化处理以构建知识图谱,并引入专家知识设定筛选规则,能够在数分钟内输出可靠的多步接力催化路径,从而显著提升催化反应设计的效率与可靠性。该研究成果展现了人工智能与化学催化研究的深度融合,为未来的光催化、电催化等领域拓展提供了新方向。