ChemGraph как агентная платформа для рабочих процессов вычислительной химии

Атомистическое моделирование имеет фундаментальное значение для химии и материаловедения, однако его проведение остается сложной задачей из-за необходимости специальных знаний на этапах настройки, выполнения и валидации расчетов. Мы представляем ChemGraph — агентную платформу на основе искусственного интеллекта и современных инструментов моделирования, предназначенную для упрощения и автоматизации рабочих процессов в вычислительной химии и материаловедении. ChemGraph использует базовые модели на основе графовых нейронных сетей для точных и одновременно вычислительно эффективных расчетов, а также большие языковые модели (LLM) для понимания естественного языка, планирования задач и научного рассуждения, обеспечивая интуитивно понятный интерактивный интерфейс. Мы оцениваем ChemGraph на 13 задачах-бенчмарках и показываем, что меньшие LLM (GPT-4o-mini, Claude-3.5-haiku, Qwen-2.5-14B) хорошо справляются с простыми рабочими процессами, тогда как для более сложных задач целесообразно использовать более крупные модели. Важно отметить, что декомпозиция сложных задач на небольшие подзадачи с помощью мультиагентной платформы позволяет GPT-4o достичь абсолютной точности, а меньшим LLM — сравняться с результатами одноагентной GPT-4o или превзойти их в этих бенчмарках.