聚合物智能体：面向聚合物设计的大语言模型代理
计算与语言
2026-02-12 v2
摘要
按需聚合物发现是医疗到增强型材料等多个行业的关键需求。聚合物实验的试错过程漫长，导致资源消耗巨大。近年来，机器学习在属性预测和潜在空间搜索方面加速了科学发现，但实验室研究人员由于基础设施限制，难以直接访问代码和模型来提取 individual 结构和属性。我们提出一个闭环聚合物结构-属性预测系统，集成在终端中用于早期聚合物发现。该框架由LLM推理驱动，提供属性预测、属性引导的聚合物结构生成以及结构修改能力。通过合成可及性评分和合成复杂度评分（SC Score）引导SMILES序列，确保聚合物生成的分子结构尽可能接近可绕合的单体级结构。该框架解决了为实验室研究人员生成新颖聚合物结构的难题，为聚合物研究提供了计算层面的洞见。
引用
@article{arxiv.2601.16376,
title = {Polymer-Agent: Large Language Model Agent for Polymer Design},
author = {Vani Nigam and Achuth Chandrasekhar and Amir Barati Farimani},
journal= {arXiv preprint arXiv:2601.16376},
year = {2026}
}