Автономное компьютерное открытие неорганических материалов посредством мультиагентного физически информированного научного рассуждения

Autonomous in-silico inorganic materials discovery via multi-agent physics-aware scientific reasoning
Markus J. Buehler, Alireza Ghafarollahi
2026-07-08

расчёты DFTоткрытие неорганических материаловдизайн материаловмультиагентный искусственный интеллектфизически осмысленное рассуждение
Традиционные подходы машинного обучения ускоряют компьютерное проектирование неорганических материалов благодаря точному прогнозированию свойств и целенаправленной генерации материалов, однако они функционируют как одношаговые модели и ограничены скрытыми знаниями, заложенными в обучающих данных. Ключевая задача заключается в создании интеллектуальной системы, способной автономно выполнять полный цикл компьютерного поиска неорганических материалов — от генерации идей и планирования до проведения экспериментов и итеративного совершенствования. Мы представляем SparksMatter — мультиагентную модель искусственного интеллекта для автоматизированного проектирования неорганических материалов, которая отвечает на запросы пользователей посредством генерации идей, разработки и выполнения экспериментальных рабочих процессов, непрерывной оценки и уточнения результатов и, в конечном счёте, предложения материалов-кандидатов, соответствующих целевым требованиям. SparksMatter также критически оценивает и улучшает собственные ответы, выявляет пробелы и ограничения исследований и предлагает строгие последующие этапы валидации, включая расчёты в рамках теории функционала плотности (DFT), а также экспериментальный синтез и характеристику материалов; всё это включается в хорошо структурированный итоговый отчёт. Эффективность модели оценивается на примерах проектирования термоэлектрических материалов, полупроводников и оксидных перовскитов. Результаты демонстрируют способность SparksMatter генерировать новые стабильные неорганические структуры, ориентированные на потребности пользователя. Сравнение с передовыми моделями показывает, что SparksMatter стабильно получает более высокие оценки по релевантности, новизне и научной строгости, причём на нескольких практических задачах проектирования зафиксировано значительное повышение новизны по оценке эксперта, не знакомого с принадлежностью результатов. Эти результаты демонстрируют уникальную способность SparksMatter генерировать химически корректные, физически осмысленные и творческие гипотезы о неорганических материалах, выходящие за пределы существующих знаний о материалах.
1
В исследованиях термоэлектриков, полупроводников и оксидных перовскитов SparksMatter генерировала новые стабильные неорганические структуры, соответствующие заданным целям пользователей.
2
По сравнению с передовыми моделями SparksMatter стабильно получила более высокие оценки релевантности, новизны и научной строгости; в слепой оценке наблюдалось значимое повышение новизны в нескольких практических задачах.
3
SparksMatter представляет собой мультиагентную систему искусственного интеллекта, способную автономно выполнять полный цикл компьютерного открытия неорганических материалов — от генерации идей и планирования до экспериментов и итеративного уточнения.
4
Результаты показывают, что SparksMatter способна создавать химически корректные, физически осмысленные и творческие гипотезы о неорганических материалах, выходящие за пределы существующих знаний о материалах.
5
Система генерирует, оценивает и самостоятельно критически анализирует кандидатов, выявляет пробелы исследований и рекомендует последующую проверку с помощью расчётов DFT, экспериментального синтеза и характеризации.

компьютерное открытие и проектирование неорганических материалов, включая термоэлектрические материалы, полупроводники и оксидные перовскиты

автономное многоагентное выполнение и физически обоснованное уточнение полного цикла открытия материалов для генерации новых, стабильных, химически корректных и физически осмысленных структур-кандидатов

Publication Details
Publication Date
2026-07-08
Journal
Publisher
ISSN
Cited by
24
Access Type
Author Information
Authors
Markus J. Buehler
Alireza Ghafarollahi
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%