PriM：通过多智能体协作进行原理启发的材料发现
机器学习
2025-04-15 v1 材料科学
人工智能
摘要
复杂的化学空间和有限的知识范围带有偏见，对人类科学家而言构成了巨大挑战，在自动化材料发现中也是如此。现有的智能方法更依赖数值计算，导致探索效率低下且结果难以解释。为弥合这一差距，我们引入了一个由语言推理多智能体系统（MAS）驱动的原理引导的材料发现系统，即PriM。我们的框架将自动假设生成与实验验证集成在一个MAS圆桌系统中，在保持科学严谨性的同时实现系统探索。基于我们的框架，纳米螺旋的案例研究展示了更高的材料探索率和属性值，同时提供了透明的推理路径。这种方法为材料发现开发了一种自动且透明的范式，对功能材料的理性设计具有广泛意义。代码已公开在我们的GitHub上。
引用
@article{arxiv.2504.08810,
title = {PriM: Principle-Inspired Material Discovery through Multi-Agent Collaboration},
author = {Zheyuan Lai and Yingming Pu},
journal= {arXiv preprint arXiv:2504.08810},
year = {2025}
}