返回
Modular large language model agents for multi-task computational materials science
DOI:10.1038/s43246-025-00994-x.png)
摘要
En 中文
将大型语言模型(LLMs)与领域特定的计算工具相结合,为简化和提升材料科学工作流程提供了一条途径。本文介绍了MatSciAgent,一个支持材料数据检索、连续体模拟、晶体结构生成和分子动力学模拟等任务的多智能体框架。其核心是一个主智能体,用于解释用户查询、识别任务类型,并将任务委派给配备工具的任务特定智能体。利用Materials Project和MatWeb等数据库,该框架能够检索并总结材料数据,以基于事实的响应提供信息,解决了原始LLM的局限性。当目标材料不在数据库中时,生成型智能体可以提出合理的晶体结构。对于模拟任务,专业智能体提取参数,使用现有软件或自定义代码执行连续体和分子动力学模拟。MatSciAgent展示了其稳定性,参数提取在五次运行中均达到100%成功率,材料提取在十次运行中有九次保持一致。其模块化设计确保了无缝扩展性,以便随着新功能的集成而演进。将大型语言模型与领域特定工具相结合,可以通过提高效率和准确性来简化计算材料科学工作流程。在此,作者介绍了MatSciAgent,一个自动化数据检索和模拟任务的多智能体框架,展示了高稳定性和适应性,有望在材料研究和开发领域取得重大进展。
Keyword:
Computational science
Theory and computation
Materials Science
general
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
C
IF:
9.6
论文数:
1.4K
被引数:
4.3K
机构
引用论文
Commentary: The Materials Project: A materials genome approach to accelerating materials innovation评论: 材料项目: 加速材料创新的材料基因组方法
APL MATERIALS
IF4.5
Data-Driven Materials Science: Status, Challenges, and Perspectives数据驱动材料科学: 现状、挑战与展望
ADVANCED SCIENCE
IF14.1

