一种用于解释 DFT-实验带隙失配的自演化智能体
材料科学
2026-04-30 v1 人工智能
计算物理
摘要
标准密度泛函理论 (DFT) 常规情况下会误分类具有相关性和结构复杂性化合物的电子基态，预测其为金属行为，而实验报告为半导体。每一次这种失配都编码了特定的非理想性——磁有序性、电子关联、另一种多形形态或缺陷——该计算排除了，但从而提取这些信号在规模上仍是一个手动的练习。本文引入 XDFT，一套闭环智能体自动诊断失配：它从精选目录中抽取候选假设，执行相应的第一性原理测试，并从每个裁决中更新对假设有用性的全局贝叶斯后验。在一个经验证的 124 种材料基准上，XDFT 为 90 种失配案例中的 70 种识别出解决机制 (78%)，远高于均匀随机基线 (19%) 或静态 LLM 排序 (20%)。内部后验与基准时间线上的实证绩效一致，已解决的案例折叠成三元组元素-类 taxonomy，我们提炼出一条四行静态规则。每个诊断得到的材料随附纠正的协议和机理归因；失败案例被标记为有证据支持的实验重检目标。
引用
@article{arxiv.2604.26703,
title = {A self-evolving agent for explainable diagnosis of DFT-experiment band-gap mismatch},
author = {Yue Li and Bijun Tang},
journal= {arXiv preprint arXiv:2604.26703},
year = {2026}
}