面向胰岛素递送聚合物发现的物理驱动智能工作流程
定量方法
2026-05-20 v1 机器学习
摘要
冷链储存限制了数亿人的胰岛素获取；热保护贴片聚合物可能有所帮助，但设计空间过大，无法进行穷尽式实验。我们从该问题出发，聚焦于智能体工作流程：大语言模型(LLM)通过模型上下文协议(MCP)调用物理工具，搜索受OpenMM Packmol矩阵评估预算限制的PSMILES空间。LLM作为持续性"发现世界"下的隐式获取函数，条件化其假设、文献论断和仿真结果，每一步迭代都进行更新。在匹配的预算条件下，最佳自主 campaign 达到胰岛素-聚合物相互作用能为 -2263 kJ/mol，相较于强化学习基线提升68%，相较于贝叶斯优化提升19%。三个独立 campaign 均收敛至同一结构构象（每个重复单元密集的氢键供体与受体），而物理检查在它们引导下一步之前拒绝不可行的 packing 和名称-结构不匹配。科学阶段受CPU限制，可在一般硬件上运行。更广泛地，本文所述的相同架构和工作流程可应用于其他蛋白质稳定任务，仅当可行筛选 oracle 可用时。
引用
@article{arxiv.2605.18831,
title = {Towards Discovery of Polymers for Insulin Delivery via Physics-Grounded Agentic Workflows},
author = {Martins Otun},
journal= {arXiv preprint arXiv:2605.18831},
year = {2026}
}