PolyJarvis：用于自主聚合物MD模拟的LLM智能体
计算与语言
2026-04-06 v1 材料科学
摘要
全原子分子动力学(MD)模拟可以从分子结构预测聚合物性质，但其执行需要力场选择、系统构建、平衡和性质提取方面的专业知识。我们提出PolyJarvis，一个通过模型上下文协议(MCP)服务器将大语言模型(LLM)与RadonPy模拟平台耦合的智能体，实现从自然语言输入到聚合物性质预测的端到端流程。给定聚合物名称或SMILES字符串，PolyJarvis自主执行单体构建、电荷分配、聚合、力场参数化、GPU加速平衡和性质计算。验证在聚乙烯(PE)、无规立构聚苯乙烯(aPS)、聚甲基丙烯酸甲酯(PMMA)和聚乙二醇(PEG)上进行。结果显示，对于aPS和PMMA，密度预测误差在参考值的0.1--4.8%范围内，体积模量预测误差在17--24%范围内。PMMA玻璃化转变温度(Tg)(395~K)与实验值的偏差在+10--18~K以内，而其余三种聚合物的Tg高估了+38至+47K（相对于实验上限）。在8个具有直接可比实验参考值的性质-聚合物组合中，5个满足严格的验收标准。对于缺乏合适非晶相实验数据的情况，与先前MD文献的一致性单独报告。其余Tg失败主要归因于MD固有的冷却速率偏差，而非智能体误差。本工作表明，由LLM驱动的智能体可以自主执行聚合物MD工作流，产生与专家运行模拟一致的结果。
引用
@article{arxiv.2604.02537,
title = {PolyJarvis: LLM Agent for Autonomous Polymer MD Simulations},
author = {Alexander Zhao and Achuth Chandrasekhar and Amir Barati Farimani},
journal= {arXiv preprint arXiv:2604.02537},
year = {2026}
}