Автономное компьютерное открытие неорганических материалов посредством мультиагентного физически информированного научного рассуждения
Autonomous in-silico inorganic materials discovery via multi-agent physics-aware scientific reasoning
2026-07-08
SCID: 54.1/fpdcpbcq
Discuss with AI
расчёты DFTоткрытие неорганических материаловдизайн материаловмультиагентный искусственный интеллектфизически осмысленное рассуждение
Figures from the paper
Abstract (AI)
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.
Key Findings
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.
Research Object
компьютерное открытие и проектирование неорганических материалов, включая термоэлектрические материалы, полупроводники и оксидные перовскиты
Research Subject
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
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai10
Комментарий: Проект Materials Project: геномный подход к материалам для ускорения инноваций в материаловедении2013
Открытая база данных квантовых материалов (OQMD): оценка точности энергий образования, вычисленных методом DFT2015
Технический отчет о GPT-42023
Учёный ИИ: к полностью автоматизированному открытому научному поиску2024
Искры искусственного общего интеллекта: ранние эксперименты с GPT-42023
Автономная лаборатория для ускоренного синтеза неорганических материалов2023
Расширение возможностей больших языковых моделей с помощью химических инструментов2024
Лаборатории с автономным управлением для химии и материаловедения2024
К сквозной автоматизации исследований в области искусственного интеллекта2026
Риски «AI-учёных»: приоритет защиты над автономией2025