aifollow.news
Back 量子位 AI 报道
量子位 AI 报道· · Original publication time AI score54

Zhongguancun institutes open-source MatOS materials research agentMachine translation

中关村两院开源材料科研智能体 MatOS

AI-assisted summary

A team from 北京中关村学院 and 中关村人工智能研究院 has released the MatOS code on GitHub. The system organizes materials research through reusable scientific assets and stateful workflows. On the MatTools benchmark, using the same base model, it achieved a 97.96% full-problem success rate, compared with 95.92% for Codex CLI and 89.80% for Claude Code.

Article · Original

The article text is unavailable in this language; an existing version is shown.

筛材料、找配方、开发新模型…拿下多项科研任务

允中 发自 凹非寺

量子位 | 公众号QbitAI

允中 发自 凹非寺

量子位 | 公众号QbitAI

大模型智能体已经能够检索文献、调用模拟软件,甚至与自动化实验室协同工作。但要让它们独立完成一项完整的材料研究,仍然面临挑战:

一项研究可能要从数千万个候选结构中逐级筛选,或在数百个合金配方中反复搜索,持续数天,并根据中间结果不断调整计划;每接入一个新的数据库或软件,往往要重新搭建流程;一项研究中积累的经验,也很难被其他研究复用。

为此, 北京中关村学院、中关村人工智能研究院(中关村两院) 于今年九月发布年度科研进展—— MatOS,一个面向材料研发的科研智能体系统 。

该项目由中关村两院AI材料研究所团队构建,将数据、知识、工具、技能、角色和工作流统一组织为科学资产, 支持研究者和MatOS自身在已有资产之上构建新能力 ,通过有状态工作流执行研究任务,并将经过检查与审查的资产修订用于后续研究,使科研能力在使用中持续进化。

目前,MatOS的资产库已包含3,135个数据集、386项技能、104个工作流和51个专家角色,并集成48款材料计算软件;技术报告已在arXiv发布,代码已在GitHub开源。

在3项智能体基准和8个研究案例中,MatOS完成了从端到端自主研究、工具调用到大规模筛选、配方设计和新方法开发的多类任务,例如:

在端到端自主科研基准ResearchClawBench上,与采用相同底座模型的Codex CLI相比,平均得分高33.6%,材料任务高80.8%;

在材料软件使用基准MatTools上,与Codex CLI、Claude Code采用相同的底座模型时,完整问题成功率达到 97.96% ,为三者最高;

构建层次化筛选流程,从3000多万个候选结构中筛选出 97个 固态电解质候选;

支持开发合金熔点预测模型DuoCompNet,在固定测试集上的平均绝对误差降至 3.18°C ,比次优模型低13.6%。

近年来,ChemCrow、LLaMP等工作让大模型能够调用专业工具,MARS等系统将智能体与自动化实验连接起来,科研智能体正在从回答问题走向开展研究。

材料研究对智能体系统提出了三方面要求:

数据库、模拟软件和机器学习势(用机器学习模型近似原子间作用力、加速模拟的方法)不断出现,要求系统无需重建即可接入新能力;

研究跨越文献分析、计算和实验,要求系统能够在长周期任务中保存状态、检查结果;

模拟时长、采样策略等经验大多来自实践,系统要能存储这些经验,并在后续任务中有效复用。

MatOS以三大设计回应这些要求: 分层科学资产图组织并扩展研发能力,有状态自适应工作流调用资产执行任务并保存证据,证据驱动的资产进化将可复用的经验转化为经过检查与审查的资产修订 。

MatOS将 数据、知识、工具、技能、角色和工作流 ,组织为六类科学资产。

每项资产都有唯一标识、声明的依赖关系和来源记录,既可以直接保存内容,也可以引用外部数据库或计算软件。

资产之间通过依赖、调用、证据、验证等类型化关系相连,智能体接到任务时,按照这些关系组合所需的能力。

其中,技能相当于一类研究问题的操作规程,规定何时使用、如何选择方法、需要哪些前提、如何执行以及如何检查结果;角色是由职责说明和可调用资产定义的专家智能体;工作流描述多个研究阶段如何衔接。同一技能可以供多个角色使用,同一角色也可以参与不同的工作流。

研究者和MatOS自身都可以在已有资产之上构建新的能力。

研究者可将数据库、软件或方法登记为资产,按接口与依赖关系组合为技能、角色或工作流;MatOS也可依据任务证据新建或修订资产,经检查与审查后供后续任务复用。资产的使用和修订均有记录,每一次改进都可以追溯。

MatOS科学资产的组织方式:(a)六类资产分属四个语义层,从数据、知识、工具、技能逐层抽象到角色和工作流;(b)以电池角色为例,角色从资产图中选取并组合数据、知识、工具、技能和工作流。

工作流资产是可复用的流程描述,一次具体研究则通过执行图运行。执行图中的每个节点都写明目标、输入输出、完成条件和所引用的资产。系统按图调度和检查, 只把方法选择、计划调整和异常解释等需要判断的环节交给智能体 ,需要研究者确认的步骤可以设为人工节点。

由于大模型面对相同输入也可能给出不同输出,长任务中的决策容易随上下文变化而偏离目标,因此MatOS通过 显式的步骤和检查条件减少了执行对模型会话的依赖,降低了多步执行中偏离研究目标的风险 。

执行图快照、节点状态、结果和事件记录都保存在系统中,独立于模型的会话。

耗时数天的计算交由后台执行,完成、需要输入或失去响应时,系统主动通知智能体;等待外部结果或人工输入的任务会保留进度,之后继续执行。每项输出都关联到产生它的节点和执行尝试。

中间结果可能要求调整后续步骤,例如先补充一步验证,再让后续分析以验证结果为准。这时, 智能体或研究者可以提出对执行图的调整 ,增加或修改节点、改变依赖关系。调整须通过结构、策略和编译三道检查,通过后形成新版本的执行图;未通过时,原执行图继续运行。每次调整的提案、检查结果和采纳决定都有记录,执行图的演化过程可以完整追溯。

执行图的调整首先服务于当前任务。其中具有复用价值的流程改进,会作为证据进入资产进化,经检查与审查后用于修订相应的工作流资产,供后续同类任务调用。

用户纠正、失败的工具调用、反复出现的操作和工作流结果,都可能提示某项资产需要改进。

MatOS先评估证据是否充分、问题是否成立、经验能否复用,再定位到负责相应功能的资产:方法选择错误可能需要修订知识或技能,工具行为错误需要修复工具,缺少研究步骤则需要修订工作流;必要时也会新建资产,或同步修订多个关联资产。

例如,若反馈表明分子动力学模拟的平衡时间过短,系统可将对应技能中的平衡时长由50ps改为至少200ps,并增加一项检查,确认原子扩散已进入稳定状态。

候选修订须经过结构检查和基于模型的语义审查:结构检查主要判断是否引入新的结构、接口或组合错误;语义审查则判断修订是否回应了原始证据、保留了方法的适用条件,并与关联资产保持一致。

只有通过检查与审查的修订才会被采纳 ,后续任务的结果又成为下一轮评估的证据。 这些经验保存在模型之外的资产中,基础语言模型的参数保持不变 ;资产也不绑定特定模型,评测中同一套MatOS分别搭配了GPT-5.4和DeepSeek系列模型。

ResearchClawBench要求系统依据文献和原始数据开展研究并提交报告。团队选取化学、能源和材料领域的12项任务,与MIRA、ResearchClaw、EvoScientist、Codex CLI等7个采用GPT-5.4的科研智能体进行比较。

采用GPT-5.4时,MatOS平均得分为19.46,较最佳基线MIRA高11.15%,较Codex CLI高33.6%。材料任务表现更突出:较MIRA高18.7%,较Codex CLI高80.8%。换用成本更低的DeepSeek-V4-Flash时,MatOS平均得分为19.20,同样高于全部基线。

成本方面,DeepSeek-V4-Flash配置的单任务平均成本约为0.85美元,不到Codex CLI(2.70美元)的三分之一,得分更高;GPT-5.4配置则以约3.78美元的成本取得最高得分。 两个MatOS配置共同扩展了本次评测中的成本—得分帕累托前沿(即在多个目标之间,找到一组各有取舍、但没有一个能被其他方案全面超越的最优选择) 。

在材料软件使用基准MatTools和多步工具调用基准SciAgentGym上,MatOS、Codex CLI和Claude Code三个系统均以DeepSeek-V4-Pro为底座。

MatOS在MatTools上的完整问题成功率为 97.96% ,高于Codex CLI的95.92%和Claude Code的89.80%;子任务成功率为 97.10% ,另两者分别为95.65%和91.30%。在SciAgentGym上,MatOS的案例成功率为 59.5% ,高于另外两个系统的57.1%。

8个研究案例覆盖机器学习势、固态与液态电解质、合金等材料方向,并延伸到流体力学,任务类型包括大规模筛选、分子模拟、配方设计和新方法开发。

在 大规模筛选 方面,MatOS沿用Du等人提出的分层筛选框架:先用只依据化学成分的模型快速粗筛,再用根据晶体结构预测性质的图神经网络细筛,最后用分子动力学模拟离子运动,逐级考察导电能力、电化学稳定性和力学性质, 从30,364,908个初始结构中筛选出97个固态电解质候选 ,其计算电导率最高达59.0mS/cm。

在 配方设计 方面,MatOS面向半导体封装,搜索在300°C左右开始熔化、且熔化温度区间较窄的合金:大模型分四组并行提出候选配方,代理模型(一种快速近似计算的模型)预测各配方在不同温度下固相与液相的比例,评分结果指导下一轮搜索。

在评估的286个配方中, 最高得分从起始配方的0.534提升到0.927 ;得分最高的Pb–Ag–Pt–Sn系合金预计在297.75°C开始熔化,升温4.55°C后液相比例即达到80%。

面向300°C熔化目标的合金配方搜索:(a)四组并行搜索中各配方的得分,黑线为当前最高分;(b)起始配方与得分最高配方在300°C附近的预测液相比例。

在 新方法开发 方面,研究团队借助MatOS构建了主动学习工作流:系统挑选需要做热力学计算的合金配方,计算结果返回后重新训练模型,数据和模型同步扩充。

在这一流程中开发的DuoCompNet,用于预测含锡合金从开始熔化到完全熔化的温度区间中点。随着训练数据增加, 它在固定测试集上的平均绝对误差从28.40°C降到3.18°C ,在参与比较的六个模型中最低,比次优的Roost低13.6%;测试集为1,401个熔化区间中点在200°C到400°C之间、由两种或三种元素组成的含锡配方,参照值来自热力学计算。

借助MatOS开发的训练数据选择方法RarityGuard-MP,从约126万个结构中选出10万个用于训练机器学习势,在相同数据量下,所训练模型的能量、力和应力综合误差比DIRECT方法低3.10%。

MatOS将能力构建、任务执行与资产进化连接起来:

研究者可以接入自己的数据、软件和方法,系统可以从任务证据中提出资产修订, 经检查与审查采纳的新资产和修订,成为后续研究可以直接调用的能力,新的研究因此不必从零开始 。

下一步,MatOS将接入仪器和实验流程,使一项研究从计算筛选到实验验证的证据都能在同一个系统中关联起来。

技术报告:MatOS: An Agent Operating System for Materials Research 报告链接:

https://arxiv.org/abs/2610.34203 代码:

https://github.com/DingyangLyu/MatOS AI材料研究所联系邮箱:aimaterials@bza.edu.cn

*本文系量子位获授权刊载,观点仅为原作者所有。

Found an error? Send a correction