GENIUS: агентная платформа ИИ для автономного проектирования и выполнения протоколов моделирования

Умные инструменты для открытия новых материалов

Проектирование более совершенных аккумуляторов, каталитиков и электронных устройств всё чаще опирается на компьютерные симуляции, которые предсказывают поведение материалов ещё до их изготовления в лаборатории. Однако запуск таких расчётов обычно требует специалиста, знакомого с тонкостями командных интерфейсов и тысячами технических опций. В этой статье представлен GENIUS — система искусственного интеллекта, действующая как эксперт‑ассистент и автоматически превращающая запросы на понятном языке в рабочие настройки симуляции. Снижая технический барьер, GENIUS стремится дать возможность многим исследователям применять мощные квантово‑уровневые расчёты в повседневной работе.

Скрытые трения виртуальных экспериментов

Современные исследования материалов в значительной степени опираются на по‑атомные симуляции, которые позволяют быстро и дешево проверять идеи. Программы вроде Quantum ESPRESSO сейчас способны соответствовать экспериментальной точности для многих кристаллов, но их повседневное использование часто ограничено узкими специалистами. Подготовка одного расчёта может потребовать изучения плотной документации, подбора совместимых параметров и отладки загадочных сообщений об ошибках. Даже опытные пользователи порой тратят часы на доработку входных файлов вместо того, чтобы заниматься наукой. Этот раскол между возможностями софта и тем, что большинство учёных может комфортно использовать, часто называют «know‑do gap» и он замедляет перевод теории в реальные технологии.

ИИ‑прослойка между человеком и кодом

GENIUS разработан как интеллектуальная прослойка между исследователем и программой моделирования. Пользователь начинает с произвольного запроса — например, оптимизации геометрии конкретного двумерного материала с указанным квантовым методом. GENIUS разбивает такой запрос с помощью больших языковых моделей и структурированного «графа знаний», в котором закодированы взаимосвязи между 247 ключевыми настройками Quantum ESPRESSO и физическими принципами. На этой основе система генерирует полный входной файл, соблюдая синтаксис и внутренние правила ПО. Важно, что GENIUS не полагается лишь на память языковой модели: он обосновывает свои решения опираясь на кураторскую документацию и базы данных о самом материале, что существенно снижает количество вымышленных или противоречивых настроек.

Обучение на ошибках без ручной отладки

Даже тщательно подготовленные расчёты могут провалиться с первой попытки. Чтобы справиться с этим, GENIUS включает автоматизированный цикл восстановления после ошибок. Когда Quantum ESPRESSO отклоняет входные данные, программа выдаёт сообщение об ошибке. GENIUS читает это сообщение, обращается к своему графу знаний, чтобы интерпретировать причину, и предлагает исправленную версию входного файла. Простая, но дисциплинированная система контроля отслеживает эти попытки, решая, когда повторить запрос тем же языковым модулем, когда начать заново с чистого шаблона и когда переключиться на более мощную модель. Цикл продолжается, пока симуляция не пройдёт первоначальные проверки или система не решит, что дальнейшие попытки вряд ли помогут. Весь процесс логируется: фиксируются принятые решения, что оставляет ясный след для последующего анализа или вмешательства человека.

Насколько хорошо система работает на практике

Чтобы оценить устойчивость GENIUS, авторы собрали 295 реальных запросов от химиков и физиков, которые регулярно используют квантовые симуляции, но не обязательно Quantum ESPRESSO. Запросы варьировались от простых до очень детализированных задач. Команда измеряла, способен ли GENIUS преобразовать каждый запрос во входной файл, который программа сможет распарсить и начать запуск в коротком валидационном окне в одну минуту. Около 80 процентов запросов привели к рабочей настройке. Примерно 14 процентов удались с первой попытки, в то время как большинство оставшихся было спасено автоматизированным циклом обработки ошибок. Вероятность «спасения» неудачного запуска быстро снижалась с каждой повторной попыткой и установилась около базового уровня в 7 процентов, что показывает: большинство исправимых проблем решаются на ранних этапах. Простейшие базовые подходы на основе языковых моделей без графа знаний и логики управления почти не давали корректных входов, подчёркивая ценность архитектуры GENIUS, а не просто больших моделей.

Открывая доступ к продвинутым симуляциям для большего числа учёных

С точки зрения неспециалиста, GENIUS — шаг к тому, чтобы сложные квантовые симуляции стали доступны так же просто, как современный поисковик. Вместо того чтобы запоминать архаичные команды, исследователи описывают желаемый результат, а система автоматически собирает, тестирует и исправляет необходимые инструкции. Под капотом GENIUS сочетает структурированные знания домена, несколько языковых моделей и продуманную стратегию повторов, чтобы держать ошибки под контролем. Хотя настоящее исследование ориентировано на один широко используемый пакет моделирования, ту же концепцию можно адаптировать к другим программам, где есть понятная документация и сообщения об ошибках. Сокращая know‑do gap, такие платформы, как GENIUS, могут помочь большему числу лабораторий, компаний и студентов применять продвинутые вычислительные инструменты в повседневном открытии материалов.

Цитирование: Soleymanibrojeni, M., Aydin, R., Guedes-Sobrinho, D. et al. GENIUS: an agentic AI framework for autonomous design and execution of simulation protocols. Commun Mater 7, 115 (2026). https://doi.org/10.1038/s43246-026-01167-0

Ключевые слова: моделирование материалов, автономные рабочие процессы, агентный ИИ, теория функционала плотности, Quantum ESPRESSO