AdsMind：一种基于物理原理的多智能体系统，用于自校正发现异质催化剂表面的吸附构型

识别最低能表面 - 吸附物构型对模拟异质催化至关重要，但从头算 exhaustive 探索计算成本过高。机器学习力场加速了结构弛豫，但构型空间搜索仍是瓶颈，且开环大语言模型缺乏基于物理的反馈机制以纠正错误初始猜测。本文提出 AdsMind，一种闭环多智能体框架，利用 MLFF 弛豫反馈实现自主纠错。实验表明，AdsMind 在多个基准测试中成功率极高，显著减少能量离散度，并将每次案例所需的弛豫次数降低约 14 倍。密度泛函理论验证显示，相比开环方法出现的定性符号错误，AdsMind 始终保持正确的吸附能符号并具备更高定量一致性，实现了可靠性、自反思性与可解释性的统一。