材料科学智能体MatOS正式开源!大幅提高材料研发任务成功率
筛材料、找配方、开发新模型…拿下多项科研任务
以下正文同步自 量子位,版权归原站所有,已转换为易读排版。
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;
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。