Escaping the Hydrolysis Trap: An Agentic Workflow for Inverse Design of Durable Photocatalytic Covalent Organic Frameworks

Motivation

• Known: COF는 태양광 수소 생산용 유망 광촉매이나, 전자적으로 유리한 imine 연결은 수용액에서 급속히 가수분해되어 안정성-활성도 trade-off가 존재한다.
• Gap: 광촉매 COF의 광대한 설계 공간(node, linker, linkage, 치환기 조합 820개)에서 대역간 에너지, 밴드 엣지, 가수분해 안정성을 동시에 만족하는 후보를 찾는 것이 계산적으로 불가능했다.
• Why: COF는 조정 가능한 대역간 에너지와 높은 표면적으로 태양광 수소 생산의 중요한 소재이며, 다중 기준의 동시 최적화는 실제 배치를 위해 필수적이다.
• Approach: GFN1-xTB 기반 fragment pipeline으로 band gap, CBM, 가수분해 안정성을 스크리닝하고, LLM agent Ara가 donor-acceptor 이론, conjugation 효과, linkage 안정성 계층 구조 등 화학 지식을 활용하여 반복적으로 후보를 제안한다.

Achievement

Figure 3: Cumulative hits versus iteration for random search (grey), Bayesian optimization

• 우수한 샘플 효율성: 52.7% hit rate로 무작위 탐색(4.6%)의 11.5배, Bayesian optimization(14.1%)의 3.7배 달성 (p=0.006)
• 빠른 수렴: 첫 hit 발견이 iteration 12로 무작위 탐색의 iteration 25, BO의 iteration 22보다 빠름
• 해석 가능한 화학 논리: 에이전트의 reasoning traces는 vinylene과 β-ketoenamine linkage로의 수렴, electron-withdrawing node 선택, 2.0 eV 대역간 에너지 중심의 R-group 최적화를 보임
• 보완적 trade-off 분석: 38개 ground-truth hit를 통한 exhaustive evaluation으로 agent의 exploitation vs BO의 exploration 간 complementary trade-off 규명

How

Figure 1: Overview of the Ara agentic workflow for COF photocatalyst discovery. (a) The combi-

• GFN1-xTB delta-SCF protocol (IP−EA)로 fragment-level fundamental gap 계산
• 13개 COF에 대한 periodic DFT 기준으로 calibration (Spearman ρ=0.71, p=0.006): gapDFT ≈ 0.65 × gapxTB − 0.70
• Composite stability index (SCSI)로 linkage 화학, steric shielding, hydrophobicity 통합
• Google Gemini LLM 기반 iterative reasoning loop: 이전 선택 피드백(band gap, CBM, stability score) 수신 → 화학적 근거와 함께 새 후보 제안
• Random search, Bayesian optimization (Gaussian process + Morgan fingerprints), LLM agent를 5개 seed로 200 iteration 비교
• Hit 기준: band gap 1.8-2.2 eV, CBM < 0 V, SCSI ≥ 0.7의 3가지 동시 만족

Originality

• LLM chemical priors을 다중 기준 재료 발견(multi-criteria materials discovery)에 처음 적용하여 categorical chemical concepts (linkage hydrolysis, donor-acceptor engineering)에 대한 명시적 추론 가능
• Fragment-level semiempirical screening (GFN1-xTB IP−EA)을 periodic DFT와 calibration하여 고속 스크리닝 파이프라인 개발
• Agent-based와 surrogate-based (BO) 전략의 complementary strengths 규명으로 hybrid 접근법 제안
• 가수분해 안정성을 composite index (SCSI)로 정량화하여 band gap/band-edge와 동시 최적화

Limitation & Further Study

• Calibration 데이터셋이 13개 COF로 제한적이며, transfer function의 R²=0.62로 완전한 정확도 보장 안 함
• 820개 design space는 실제 COF library (orders of magnitude larger)에 비해 제한적이며, scaling 가능성 미검증
• SCSI는 경험적 지표이며, 실제 수용액 환경에서의 가수분해 메커니즘과의 일대일 대응 미확인
• LLM agent의 reasoning이 해석 가능하나, prompt engineering이나 model-specific behavior에 대한 robustness 분석 부재
• 후속 연구: (1) 더 큰 설계 공간과 다양한 COF 구조에 대한 validation, (2) 실험적 합성 및 광촉매 성능 검증, (3) Agent-BO hybrid 전략의 구현, (4) 다른 LLM 모델 비교

Evaluation

총평: 이 논문은 LLM의 화학적 지식 priors을 다중 기준 역설계에 창의적으로 적용하여, 기존 방법 대비 현저히 우수한 sample efficiency를 달성하고 해석 가능한 설계 규칙을 도출했다. 실험 검증과 더 큰 설계 공간 확장이 필요하나, AI-driven materials discovery의 새로운 패러다임을 제시하는 의미 있는 기여다.