厦大程俊&王野与爱丁堡大学Jeff Z. Pan丨NSR：知识图谱+大语言模型助力接力催化研究

背景：接力催化通过整合多个催化反应提升中间体转化效率和选择性，但路径设计依赖经验且耗时。研究目的：结合知识图谱（Cat-KG）与大语言模型（LLM）自动化推荐多步接力催化路径，解决文献数据分散和设计效率低的问题。结论：该方法在数分钟内为乙烯等分子推荐合理路径，验证已知路线并发现新潜在路径，展示了AI与知识库在催化设计中的潜力，具有透明性和可扩展性。