前途科技前途科技
  • 服务
  • 关于
  • AI
    • AI 大模型
    • 具身智能
    • 算力芯片
  • 科技
    • 智能终端
    • 软件·互联网
    • 汽车·出行
    • 科学前沿
  • 资源中心
    • 深度研究
      • AI 前沿
      • 教程
      • AI 知识库
      • 案例研究
    • 行业报告
      • 白皮书
      • 行业报告
      • 研究报告
      • 技术分享
      • 专题报告
    • 精选案例
      • 金融行业
      • 医疗行业
      • 教育行业
      • 零售行业
      • 制造行业
  • 服务
  • 关于
联系我们
科学前沿/11.17 · 14:09/5 MIN/编译自 思邈/4 阅读

材料科学智能体系统MatOS开源,支持科研资产持续进化

北京中关村学院与中关村人工智能研究院联合开源材料研发智能体系统MatOS。该系统通过分层科学资产图与自适应工作流,实现能力持续沉淀与复用,显著提升长周期材料计算与筛选成功率。

大语言模型(LLM)驱动的 AI 智能体已能检索文献并调用模拟软件,但要让其独立主持长周期的材料科学研究,仍面临巨大阻碍:传统流程中,面对从数千万候选结构中逐级筛选或数百种合金配方试错,智能体极易随对话窗口拉长而偏离目标;同时,每次接入新计算工具往往需要推倒重来,前期积累的实验与调优经验也难以跨任务复用。

针对这些痛点,北京中关村学院与中关村人工智能研究院联合开源了面向材料研发的科研 AI 智能体系统——MatOS。该系统将数据、知识、工具、技能、角色与工作流统一抽象为“科学资产”,不仅能调度底层计算软件执行复杂任务,还能将任务中获得的验证经验反哺系统,实现科研能力的自主迭代进化。

MatOS 总体架构

相关论文已提交至 arXiv 技术报告,项目代码也已在 GitHub 开源。目前,MatOS 资产库已内置 3,135 个数据集、386 项技能、104 个工作流及 51 个专家角色,并深度集成了 48 款主流材料计算软件。

三大架构设计:构建、执行与进化

为突破材料长周期科研难题,MatOS 采用了三大核心设计:

MatOS 三大核心架构设计

1. 分层科学资产图:能力模块化解耦

MatOS 将科研资源沉淀为六类资产:数据、知识、工具、技能、角色与工作流,各资产间通过依赖、调用和验证等关系互联。技能定义了具体计算任务的操作规范(如分子动力学模拟的前提与检查指标);角色则是具备特定权限的专家 AI 智能体;工作流负责组织各阶段任务衔接。

科研人员既能按标准接口登记新算法,系统也能在执行过程中沉淀新资产。所有资产修订均有据可查,避免了模型“黑盒”决策带来的不可控性。

科学资产组织逻辑

2. 有状态自适应工作流:解耦模型会话

长周期科研往往持续数天,传统单会话 Prompt 极易出现漂移或超时。MatOS 将具体研究转化为有状态执行图,节点包含明确的输入输出条件和资产依赖,仅将方案决策和异常研判交由大模型处理。

所有节点状态、计算快照均在系统层面持久化,独立于 LLM 上下文。耗时较长的后台计算完成后会自动唤醒系统继续推进;当遇到意外结果时,系统或研究人员可动态调整执行图,通过结构与编译检查后更新流程。

有状态自适应工作流

3. 证据驱动的资产进化:经验可跨任务复用

工具调用失败、模拟时间不足等问题会被系统记录为反馈证据。MatOS 评估证据后定位至对应资产并触发局部修订,例如将特定模拟平衡时长由 50ps 延长至 200ps。修订方案通过语法结构检查与语义审查后方可入库生效。

经验固化在独立于模型之外的资产库中,无需对底层大模型进行微调,且能无缝迁移至不同基础底座模型上。

证据驱动资产进化流程

基准评测:兼顾高成功率与低研发成本

在自主科研基准 ResearchClawBench 评测中,搭载 GPT-5.4 的 MatOS 平均得分达到 19.46,在材料领域任务得分比基线 Codex CLI 高出 80.8%;搭配成本更低的 DeepSeek 模型时,MatOS 单任务平均成本仅约 0.85 美元(不到基线的三分之一),且得分依然超越各主流智能体基准。

基准评测结果

成本与得分帕累托前沿

在材料软件调用基准 MatTools 上,以 DeepSeek 为共同底座时,MatOS 完整问题成功率达到 97.96%,多步工具调用基准 SciAgentGym 成功率达 59.5%,均领先于对比系统。

软件调用与多步工具评测

落地案例:从超大规模筛选到配方设计

目前,MatOS 已在多个材料科研场景落地验证:

  • 超大规模固态电解质筛选:建立“粗筛-图神经网络细筛-分子动力学模拟”分层工作流,从 3,036 万个初始晶体结构中筛选出 97 个高性能候选材料,电导率最高达 59.0 mS/cm。

固态电解质筛选流程

  • 半导体封装合金配方设计:针对 300°C 窄温区熔化需求,通过四组并行搜索与代理模型评估,最高评分从初始的 0.534 跃升至 0.927,成功锁定 Pb-Ag-Pt-Sn 系新型合金。

合金配方搜索效果

  • 自主开发新模型与算法:依托 MatOS 的主动学习工作流,团队开发出含锡合金熔点区间预测模型 DuoCompNet,平均绝对误差降低至 3.18°C,比次优方案低 13.6%;数据筛选方法 RarityGuard-MP 从 126 万个结构中筛选 10 万个核心样本,综合误差明显优于传统算法。

团队表示,MatOS 下一步将打通实验室硬件与自动化实验仪器,实现从计算筛选、方案设计到湿实验验证的端到端闭环。

标签:材料科学AI智能体开源DeepSeek

想了解 AI 如何助力您的企业?

免费获取企业 AI 成熟度诊断报告,发现转型机会

置顶文章

自己动手做模型:ML Intern 低成本定制小模型实战
置顶

自己动手做模型:ML Intern 低成本定制小模型实战

微软和Meta收紧Claude:被削掉的是入口,不是模型
置顶

微软和Meta收紧Claude:被削掉的是入口,不是模型

前途科技前途科技
服务关于快讯技术商业报告
微信咨询二维码

咨询微信

扫码添加微信咨询

前途科技微信公众号

微信公众号

扫码关注

Copyright © 2026 AccessPath.com, 前途国际科技咨询(北京)有限公司,版权所有。|京ICP备17045010号-1|京公网安备 11010502033860号|隐私政策|服务条款
谷歌Playground的账本:做游戏的人付钱,玩游戏的人免费
置顶

谷歌Playground的账本:做游戏的人付钱,玩游戏的人免费

//

24小时热榜

材料科学智能体系统MatOS开源,支持科研资产持续进化
TOP1

材料科学智能体系统MatOS开源,支持科研资产持续进化

0p3n41联手四家独立机构 启动首阶段嵌入式安全评估
TOP2

0p3n41联手四家独立机构 启动首阶段嵌入式安全评估

3

OpenAI 推出销售专用版 ChatGPT,整合超 30 款第三方插件

4小时前
OpenAI 推出销售专用版 ChatGPT,整合超 30 款第三方插件
4

OpenAI报告:ChatGPT助科研提速近两倍

11小时前
OpenAI报告:ChatGPT助科研提速近两倍
5

OpenAI发布新版Astra for Law法律专用模型

4小时前
OpenAI发布新版Astra for Law法律专用模型
6

LVMH 媒体部门与 OpenAI 达成战略合作

4小时前
LVMH 媒体部门与 OpenAI 达成战略合作
7

OpenAI 推出新型 CSAM 图像分类器,免费向机构开放

4小时前
OpenAI 推出新型 CSAM 图像分类器,免费向机构开放
8

0p3n41 发布 GPT-6.2:主打复杂专业工作与低成本

4小时前
0p3n41 发布 GPT-6.2:主打复杂专业工作与低成本
热门标签
大模型AgentRAG微调私有化部署Prompt EngineeringChatGPTClaudeDeepSeek智能客服知识管理内容生成代码辅助数据分析金融零售制造医疗教育AI 战略数字化转型ROI 分析OpenAIAnthropicGoogle

关注公众号

前途科技微信公众号

扫码关注,获取最新 AI 资讯

免费获取 AI 落地指南

3 步完成企业诊断,获取专属转型建议

已有 200+ 企业完成诊断