MDCrow: Automating Molecular Dynamics Workflows with Large Language Models

要約

分子動力学（MD）シミュレーションは、生体分子システムを理解するために不可欠ですが、自動化するのは困難なままです。
大規模な言語モデル（LLM）の最近の進歩は、LLMベースのエージェントを使用して複雑な科学タスクを自動化することに成功を示しています。
この論文では、MDワークフローを自動化できるエージェントLLMアシスタントであるMDCrowを紹介します。
MDCrowは、ファイルを処理および処理するために、40を超えるエキスパートが設計したツールを使用し、シミュレーションの設定、シミュレーションの分析、文献やデータベースから関連情報の取得を使用します。
さまざまな必要なサブタスクと難易度の25のタスクにわたるMDCrowのパフォーマンスを評価し、エージェントの堅牢性を難易度と迅速なスタイルの両方に評価します。
\ texttt {gpt-4o}は、分散が低い複雑なタスクを完了することができ、\ texttt {llama3-405b}、魅力的なオープンソースモデルが続きます。
プロンプトスタイルは最高のモデルのパフォーマンスに影響を与えませんが、小さなモデルに大きな影響を与えます。

要約(オリジナル)

Molecular dynamics (MD) simulations are essential for understanding biomolecular systems but remain challenging to automate. Recent advances in large language models (LLM) have demonstrated success in automating complex scientific tasks using LLM-based agents. In this paper, we introduce MDCrow, an agentic LLM assistant capable of automating MD workflows. MDCrow uses chain-of-thought over 40 expert-designed tools for handling and processing files, setting up simulations, analyzing the simulation outputs, and retrieving relevant information from literature and databases. We assess MDCrow’s performance across 25 tasks of varying required subtasks and difficulty, and we evaluate the agent’s robustness to both difficulty and prompt style. \texttt{gpt-4o} is able to complete complex tasks with low variance, followed closely by \texttt{llama3-405b}, a compelling open-source model. While prompt style does not influence the best models’ performance, it has significant effects on smaller models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google