从自然语言到材料发现：材料知识导航智能体
机器学习
2026-02-12 v1 材料科学
摘要
加速高性能材料的发现仍是能源、电子和航空航天技术中的核心挑战，传统工作流程高度依赖专家直觉和计算密集型仿真。本文介绍了材料知识导航智能体（MKNA），一种语言驱动的系统，将自然语言科学意图转化为可执行的数据库检索、属性预测、结构生成和稳定性评估的动作。除了自动化工具调用外，MKNA还能从文献和数据库证据中自主提取量化阈值和化学有意义的设计模式，从而实现数据驱动的假设形成。应用于高Debye温度陶瓷的搜索，智能体识别了Theta_D > 800 K的文献支持筛选标准，复现了金刚石、SiC、SiN和BeO等经典刚性材料，并提出了在1500-1700 K稀疏探索区域的 thermodynamically稳定且尚未报道的Be-C富集物种。这些结果表明，MKNA不仅找到稳定候选材料，还重建了可解释的设计启发式，为自主、语言导向的材料探索建立了可通用的平台。
引用
@article{arxiv.2602.11123,
title = {From Natural Language to Materials Discovery:The Materials Knowledge Navigation Agent},
author = {Genmao Zhuang and Amir Barati Farimani},
journal= {arXiv preprint arXiv:2602.11123},
year = {2026}
}
备注
22 pages,5 figures