Модульные агенты на основе больших языковых моделей для многозадачной вычислительной материаловедческой науки
Modular large language model agents for multi-task computational materials science
2026-03-26
SCID: 54.1/9pz7ku5z
Discuss with AI
MatSciAgentвычислительная материаловедческая наукагенерация кристаллических структурмолекулярно-динамическое моделированиемультиагентная платформа
Figures from the paper
Abstract (AI)
Интеграция больших языковых моделей (LLM) со специализированными вычислительными инструментами открывает возможности для оптимизации и совершенствования рабочих процессов в материаловедении. В данной работе представлен MatSciAgent — мультиагентный фреймворк, поддерживающий такие задачи, как извлечение данных о материалах, континуальное моделирование, генерация кристаллических структур и моделирование молекулярной динамики. В его основе лежит главный агент, который интерпретирует запросы пользователей, определяет тип задачи и делегирует ее выполнение специализированным агентам, оснащенным соответствующими инструментами. Используя такие базы данных, как Materials Project и MatWeb, фреймворк извлекает и обобщает данные о материалах, формируя обоснованные и фактически достоверные ответы, что позволяет устранить ограничения стандартных LLM. Если целевой материал отсутствует в базах данных, генеративный агент может предложить правдоподобные кристаллические структуры. Для проведения моделирования специализированные агенты извлекают параметры и выполняют континуальные симуляции и моделирование молекулярной динамики с использованием существующего программного обеспечения или специально разработанного кода. MatSciAgent демонстрирует стабильность: извлечение параметров достигает 100% успешности в пяти запусках, а результаты извлечения данных о материалах совпадают в 9 из 10 запусков. Модульная архитектура обеспечивает бесшовное расширение системы по мере интеграции новых возможностей. Интеграция больших языковых моделей со специализированными инструментами может оптимизировать рабочие процессы вычислительного материаловедения, повышая их эффективность и точность. В настоящей работе авторы представляют MatSciAgent — мультиагентный фреймворк, автоматизирующий такие задачи, как извлечение данных и проведение моделирования, демонстрирующий высокую стабильность и адаптивность и тем самым обеспечивающий значительный потенциал для развития исследований и разработок в области материаловедения.
Key Findings
1
Генеративный агент предлагает правдоподобные кристаллические структуры, если целевые материалы отсутствуют в доступных базах данных.
2
Главный агент интерпретирует запросы пользователей, определяет тип задачи и передаёт её специализированным агентам, оснащённым инструментами.
3
Интеграция с Materials Project и MatWeb обеспечивает получение и суммирование достоверных данных о материалах, устраняя ограничения обычных LLM.
4
MatSciAgent — модульная многоагентная система, координирующая извлечение данных о материалах, генерацию кристаллических структур, континуальное моделирование и молекулярную динамику.
5
Система достигла 100% успешного извлечения параметров в пяти запусках и стабильного извлечения данных о материалах в 9 из 10 запусков, продемонстрировав высокую устойчивость.
Research Object
MatSciAgent — модульная мультиагентная платформа, интегрирующая большие языковые модели со специализированными вычислительными инструментами материаловедения
Research Subject
Автоматизация, стабильность, точность и расширяемость платформы при извлечении данных о материалах, генерации кристаллических структур, проведении континуального моделирования и моделирования молекулярной динамики
Publication Details
Publication Date
2026-03-26
Journal
Publisher
ISSN
Cited by
31
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai7
LLaMA: открытые и эффективные базовые языковые модели2023
Комментарий: Проект Materials Project: геномный подход к материалам для ускорения инноваций в материаловедении2013
Atomic Simulation Environment — библиотека Python для работы с атомами2017
Открытая база данных квантовых материалов (OQMD): оценка точности энергий образования, вычисленных методом DFT2015
Учёный ИИ: к полностью автоматизированному открытому научному поиску2024
Автономные химические исследования с использованием больших языковых моделей2023
Расширение возможностей больших языковых моделей с помощью химических инструментов2024