.png){kind=icon}
返回
Autonomous alloy composition optimization using molecular dynamics guided by a large language model
.png){kind=icon}
PRE
AI
DOI：10.1016/j.scriptamat.2025.117048.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们提出了一种自主材料发现框架，该框架将大型语言模型（LLM）与分子动力学（MD）模拟相结合，用于优化Fe–Cr–Mn合金成分以提高抗拉强度。从六种不同成分出发，LLM作为智能代理运行，根据先前的模拟结果和约束条件迭代提出变更建议。在每例超过50次迭代中，LLM自适应地探索了成分空间，识别出了高强度区域，这些区域不易通过传统方法获得。最高强度为18.7 GPa，通过Fe71Cr25Mn4成分实现，该成分由Fe75Cr20Mn5起始点识别得到。LLM自主实时调整其策略，展示了利用商用硬件进行闭环决策。该方法展示了LLM作为科学副驾驶的潜力，能够加速材料发现，并适用于生物学和药物设计等其他领域。
