Argonne 发布自动化化学模拟 AI 框架

美国能源部阿贡国家实验室的研究人员发布了 ChemGraph，这是一个开源的 AI 框架，能够自动化计算化学工作流，有望加速电池、燃烧和材料发现等领域的研究。相关成果已发表在《Communications》期刊上。

ChemGraph 文档

ChemGraph 如何工作

ChemGraph 利用大语言模型（LLM）提供自然语言界面，连接一个基于智能体的系统。研究人员可以用简单英语描述科学问题，框架会将这个请求映射为一连串计算任务、软件工具和分析步骤，最终生成结果。框架将工作流的不同部分分配给专门的 AI 智能体——有些负责规划，有些负责执行任务，有些负责汇总结果。

“本质上，我们想将所有关于工作流的专家知识整合到一个基于智能体的自动化系统中，你可以通过 LLM 与它交流，”阿贡计算科学家、ChemGraph 开发者 Murat Keçeli 说。

该团队利用阿贡领导计算设施（ALCF）的 Aurora 百亿亿次超级计算机和 ALCF 推理服务（一个在高性能计算系统上提供多种大语言模型的平台）开发了 ChemGraph。框架设计为仅调用特定类型的工具和库，以降低 AI 幻觉的风险。

降低科学家和学生的门槛

运行材料科学模拟通常需要几十个步骤，并且对计算化学有深厚专业知识。ChemGraph 旨在降低研究人员和学生面临的门槛。“我们不希望大语言模型只是回答问题，”阿贡博士后研究员、ChemGraph 联合创建者 Thang Duc Pham 说，“我们希望它能运行基于物理的模拟，并为你提供答案。”

该框架已经适用于 X 射线吸收光谱工作流以及在 Aurora 上进行高通量材料筛选。多所大学表示有兴趣将 ChemGraph 用作教学工具。

未来愿景

Keçeli 表示，团队的长期目标是将 ChemGraph 作为 ALCF 用户的聊天机器人式服务提供。“在长期，我们希望让它越来越自主，能够规划、执行和改进复杂计算工作流，只需极少用户干预，这样科学家就可以专注于他们想回答的科学问题。”

该框架已公开，基于 LangGraph 和 ASE 构建，因此可以适应其初始目标之外的任务。