用于多任务计算材料科学的模块化大型语言模型代理

为设计更好材料的智能助手

从更轻的飞机到更耐用的电池，许多我们日常依赖的技术静默地依靠新材料提供支持。但发现和测试这些材料可能既缓慢又复杂。本文介绍了 MatSciAgent —— 一个基于大型语言模型的智能数字助手，旨在通过将自然语言问题转化为具体的模拟、数据库查询和结构建议，使材料研究更快速、更简便。

一位数字指挥，众多专业助手

MatSciAgent 的核心是一个主代理，像交响乐团的指挥一样工作。研究者用日常语言输入问题，例如询问合适的材料或金属在冷却时会如何表现。主代理决定这属于哪类任务，并将其交给若干专业代理之一。这些专业代理包括用于查找材料数据的代理、运行材料形变或相变的计算模型的代理、晶体结构设计的代理以及模拟原子运动的代理。每个专业代理都能访问自己的工具和软件，而语言模型负责理解请求并规划步骤。

用真实数据而非臆测来支撑答案

通用语言模型的一个主要问题是它们有时会自信地输出错误信息。MatSciAgent 通过将答案直接绑定到可信的材料数据库来应对这一问题。当用户询问太阳能电池材料的合成路线或诸如二氧化钛之类晶体的键长时，材料提取代理会连接到 Materials Project、MatWeb 等资源。然后它收集最新条目，对其进行筛选，并基于真实记录撰写摘要，而不是仅凭模型“记忆”。测试表明，这种方法比无辅助的语言模型生成更丰富、更精确的答案，包括具体的成分、工艺温度和结构细节。

从显微组织图像到原子运动

该框架还将自然语言指令转换为完整的计算模拟。在连续介质模拟中，系统模拟金属合金如何凝固或多晶中的晶粒在加热时如何生长。通过从用户的话语中提取网格大小、生长概率和成核数等参数，它可以自动启动创建逐帧演化显微组织图像的工具。在原子尺度行为方面，分子动力学代理可以设置铝等金属在选定温度和条件下的模拟。它配置晶体结构、选择相互作用模型，并检查在数千个时间步长中能量和温度是否按预期表现。

构想可行的晶体构件

有时有趣材料的结构尚未出现在公共数据库中。为应对这些情况，MatSciAgent 包含由名为 CrystaLLM 的专用语言模型驱动的晶体生成代理。给定成分和对称性描述，该代理提出标准文件格式的详细晶体结构，既可可视化也可以直接用于后续模拟。系统还可以将步骤串联起来：例如，为镍铝化合物生成晶体结构，然后在后续请求中对该结构直接运行原子模拟，而用户无需重复所有细节。

检查可靠性并有成长空间

由于科学工作依赖信任，作者对 MatSciAgent 的一致性进行了严格测试。他们多次重复相同查询并跟踪所选的代理和工具、提取的参数以及返回的结果。对于材料查找、连续介质模拟和原子模拟，系统几乎每次都选择相同的工作流和参数，仅在极少数情况下出现失败和回答措辞上的小差异。设计是模块化的，因此可以随着时间添加新的数据库、更高级的模型或额外的模拟方法，以扩大该助手可处理的材料问题范围。

这对未来材料发现意味着什么

简而言之，这项工作展示了基于语言的 AI 如何从对话扩展到作为材料科学可靠的实验室助手。通过将决策建立在可信数据和既有模拟工具上，MatSciAgent 帮助研究者更少手动设置地从问题过渡到具体的数值、结构和可视化成果。尽管它不能取代专家判断或高层次物理理论，但其一致的表现和灵活的设计表明，它有望成为科学家寻找下一代功能材料时的日常伙伴。

引用: Chaudhari, A., Ock, J. & Barati Farimani, A. Modular large language model agents for multi-task computational materials science. Commun Mater 7, 131 (2026). https://doi.org/10.1038/s43246-025-00994-x

关键词: 材料信息学, 大型语言模型, 科学代理, 分子动力学, 晶体结构生成