简单指令驱动原子模拟，开源多智能体框架赋能材料科学

编辑丨coisini

原子模拟是材料科学中常用的计算方法，用于理解复杂系统的结构与动力学，应用范围涵盖从能源到环境的广泛领域。特别是分子动力学（MD）等技术，能够提供对原子尺度行为的详细洞察，从而得以研究结构弛豫、相变、输运现象以及固体和流体的热机械性能。

然而，原子模拟往往需要使用多种专门的工具包和库，流程碎片化、操作手动，并且高度依赖于领域专业知识。材料发现通常需要对大量材料和实验参数进行详尽研究。科研人员可能需要运行数十甚至数百次原子模拟，这会成倍增加时间需求。

近来，智能体取得显著进展，为自动化复杂的科学工作流程提供了有前景的途径。来自美国能源部（DOE）阿贡国家实验室的研究团队研发了一套多智能体人工智能（AI）框架，利用大型语言模型（LLM）和多个 AI 智能体，自主执行端到端原子模拟（分子动力学模拟），并自动完成输入设置及相关全套分析。

研究论文《Multi-agentic AI framework for end-to-end atomistic simulations》发表于《Digital Discovery》期刊。

论文地址：https://pubs.rsc.org/dd/article/5/1/440/312882/Multi-agentic-AI-framework-for-end-to-end

开源地址：https://github.com/ANL-NST/LAMMPS-Agents?tab=readme-ov-file

多智能体 AI 系统

这套多智能体 AI 系统包含三个核心组件：(i) 智能体工厂，用于实例化所有智能体，并为其分配 LLM 配置以及定义其角色和可用工具的系统 prompt；(ii) 一套专用工具集，涉及材料属性计算、模拟输入生成、文件处理等功能；(iii) 函数注册表，用于将特定函数映射到相应的智能体。

智能体基础设施基于 AutoGen 框架构建，支持动态智能体选择、人机交互反馈，并允许智能体以自适应协作的方式完成复杂任务。每个智能体都设置了明确且专家级水平的任务定义，以实现更聚焦的推理，并最大限度地降低 prompt 的复杂度。

用户只需输入简短的指令，例如「计算金铜合金的熔点」，最快只需几分钟，系统就能提供详细答案，执行模拟的速度远快于人类，且错误更少。

用户的 prompt 会传递给一个管理员 AI 智能体，该智能体负责协调工作流程，将任务分配给多个专门的 AI 智能体。这些智能体的职责包括：

• 定义待模拟材料中原子的排列方式。

• 检索科学论文和数据库，寻找最合适的数学模型来指导模拟。

• 为模拟创建输入文件。

• 提交模拟作业以在高性能计算机网络中执行。

• 执行与特定材料属性相关的计算。

• 分析模拟结果。

通过运行静态和动态模拟，该研究成功捕捉了 LAMMPS（广泛使用的开源分子动力学模拟软件包）中使用的核心方法论，从而验证了该智能体工作流的实用性。

评估与局限

研究团队通过让该系统运行多个元素和合金的端到端模拟来测试系统能力。通过协调配备领域专用工具的各类专业智能体，系统成功复现了多种元素及合金的静态属性（晶格常数、内聚能、弹性常数、声子色散）和动态属性（熔点），其精度可与人类专家相媲美。

测试结果表明，多智能体协同不仅能够复现 LAMMPS 中的核心方法，还能在不同工作流中确保可复现性、模块化和可扩展性。

研究团队成员、阿贡国家实验室科学家 Henry Chan 表示：「我们的方法最大限度地减少了原子模拟流程中的典型瓶颈，使研究人员能够显著提高处理规模。」

目前，该系统已开源供科学领域使用，具有可定制性，并可能用于自动化机器人实验室。

尽管该系统具备自主决策和错误恢复能力，但某些 AI 驱动行为的可信度和可解释性仍是挑战。未来的工作将融入透明日志记录、智能体级别的置信度分数，并可能引入符号推理层以提升可解释性。