OSCAgent：利用 LLM 代理加速有机太阳能电池的发现
计算工程、金融与科学
2026-02-05 v1
摘要
有机太阳能电池 (OSCs) 拥有可持续能源的巨大潜力，但发现高性能材料往往耗时且昂贵。现有的分子生成方法可助力材料设计，但大多局限于优化已知骨架，缺乏有效利用领域特定化学知识，常导致不切实际的候选分子。在本文中，我们引入 OSCAgent，一个用于 OSC 分子发现的多代理框架，将检索增强设计、分子生成和系统评估统一到一个持续改进的管道中，且无需额外的人工干预。OSCAgent 由三个协作代理组成。Planner 从文献中精选的分子和先前候选中检索知识，以指导设计方向。Generator 根据这些计划提出新的 OSC 接受子。Experimenter 对候选分子进行全面评估并提供反馈以进行细化。实验表明，OSCAgent 产生化学上有效、可合成的 OSC 分子，并在预测性能上优于传统方法和大语言模型 (LLM) 单一基线方法。代表性结果表明，一些候选分子的预测效率可接近 18%。该代码将对公众开放。
引用
@article{arxiv.2602.04510,
title = {OSCAgent: Accelerating the Discovery of Organic Solar Cells with LLM Agents},
author = {Zhaolin Hu and Zhiliang Wu and Hehe Fan and Yi Yang},
journal= {arXiv preprint arXiv:2602.04510},
year = {2026}
}