Toward Greater Autonomy in Materials Discovery Agents: Unifying Planning, Physics, and Scientists

要約

私たちは、クリスタル材料の発見のための自律性を高める言語エージェントを設計することを目指しています。
既存の研究のほとんどは、事前定義されたワークフロー内で特定のタスクを実行するようエージェントを制限していますが、高レベルの目標と科学者の直感を考慮して、ワークフロー計画を自動化することを目指しています。
この目的のために、マップとして知られる計画、物理学、および科学者を統一する材料エージェントを提案します。
マップは、ワークフロープランナー、ツールコードジェネレーター、科学的メディエーターで構成されています。
ワークフロープランナーは、大規模な言語モデル（LLM）を使用して、構造化されたマルチステップワークフローを生成します。
ツールコードジェネレーターは、物理学をエンコードするフォースフィールドファンデーションモデルを呼び出すなど、さまざまなタスクの実行可能ファイルPythonコードを合成します。
科学的メディエーターは、通信を調整し、科学者のフィードバックを促進し、エラーの反射と回復により堅牢性を保証します。
計画、物理学、および科学者を統合することにより、Mappsは、MP-20データで評価されたときに以前の生成モデルと比較して、安定性、一意性、および斬新性の5倍の改善を実現し、柔軟で信頼できる材料の発見をより強力にします。
多様なタスク全体で広範な実験を提供して、マップが自律材料の発見のための有望なフレームワークであることを示しています。

要約(オリジナル)

We aim at designing language agents with greater autonomy for crystal materials discovery. While most of existing studies restrict the agents to perform specific tasks within predefined workflows, we aim to automate workflow planning given high-level goals and scientist intuition. To this end, we propose Materials Agent unifying Planning, Physics, and Scientists, known as MAPPS. MAPPS consists of a Workflow Planner, a Tool Code Generator, and a Scientific Mediator. The Workflow Planner uses large language models (LLMs) to generate structured and multi-step workflows. The Tool Code Generator synthesizes executable Python code for various tasks, including invoking a force field foundation model that encodes physics. The Scientific Mediator coordinates communications, facilitates scientist feedback, and ensures robustness through error reflection and recovery. By unifying planning, physics, and scientists, MAPPS enables flexible and reliable materials discovery with greater autonomy, achieving a five-fold improvement in stability, uniqueness, and novelty rates compared with prior generative models when evaluated on the MP-20 data. We provide extensive experiments across diverse tasks to show that MAPPS is a promising framework for autonomous materials discovery.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google