연구진은 촉매 표면-흡착 구조를 직접 생성하는 표면 생성 모델의 한계인 벌크 구조 정보 부족 문제를 해결하기 위해 CatRetriever를 개발했어요.
CatRetriever는 스랩과 벌크 결정을 공유 잠재 공간에 정렬하는 대비 표현 학습 모델로, 스랩 쿼리로부터 R@1 91%, R@3 98%의 정확도로 벌크 후보를 검색해요.
개발된 CatRetriever 프레임워크는 흡착 에너지 목표 벌크 발견 파이프라인으로 확장되어 구조적 호환성과 목표 흡착 에너지 범위 접근성을 평가하여 물리적으로 타당하고 흡착 에너지 호환 가능한 벌크 촉매 발견을 위한 확장 가능한 경로를 제시해요.