Cell頭條：生成式AI智能體，加速無機材料設(shè)計

撰文丨王聰

編輯丨王多魚

排版丨水成文

近日，東京大學(xué)和蒙特利爾大學(xué)的一項研究登上了Cell Press官網(wǎng)頭條。

該研究以：Accelerated inorganic materials design with generative AI agents（利用生成式 AI 智能體加速無機材料設(shè)計）為題，于 2025 年 12 月 17 日，在線發(fā)表于 Cell 子刊Cell Reports Physical Science上。

該研究開發(fā)了一個以通用大語言模型作為其核心生成引擎的材料發(fā)現(xiàn)框架——MatAgent。借助模擬人類專家推理過程的外部工具，并與晶體結(jié)構(gòu)估算和性能評估模型相結(jié)合，MatAgent 能夠?qū)崿F(xiàn)反饋驅(qū)動的自主探索廣泛的材料空間。針對特定形成能進(jìn)行的實驗表明，MatAgent 在提出具有所需性能的材料方面非常有效，同時還能保持高成分有效性、獨特性和新穎性。該框架的自然語言集成使得在實際工作流程中實現(xiàn)直觀約束變得容易。通過為每個成分建議提供明確的推理，這一框架確保了材料設(shè)計過程的可解釋性，成為增強專家知識并加速無機材料發(fā)現(xiàn)的智能合作伙伴。

設(shè)計具有特定性能的無機晶體材料對技術(shù)創(chuàng)新至關(guān)重要，然而當(dāng)前的生成方法往往難以在保證充分可解釋性的前提下高效探索目標(biāo)材料。

在這項新研究中，研究團隊開發(fā)了用于加速無機材料設(shè)計的生成式 AI 智能體——MatAgent，這是一個利用大語言模型（LLM）強大推理能力的無機材料發(fā)現(xiàn)生成框架。

該框架通過結(jié)合基于擴散的晶體結(jié)構(gòu)生成模型與性能評估預(yù)測模型，采用迭代式反饋驅(qū)動策略，將材料探索精準(zhǔn)導(dǎo)向用戶定義的目標(biāo)。通過整合外部認(rèn)知工具（包括短期記憶、長期記憶、元素周期表和綜合知識庫），MatAgent 模擬人類專家推理模式，極大拓展了可探索的化學(xué)成分空間。

實驗結(jié)果表明，MatAgent 能穩(wěn)健引導(dǎo)材料探索朝向目標(biāo)性能，同時持續(xù)實現(xiàn)高成分有效性、獨特性和新穎性。該框架因此提供了一個高可解釋性、實用且多功能的 AI 驅(qū)動解決方案，可加速新一代無機材料的發(fā)現(xiàn)與設(shè)計。

該研究的亮點：

• MatAgent 將大語言模型（LLM）推理與生成式擴散和屬性預(yù)測模型相結(jié)合；

• 迭代反饋引導(dǎo)晶體生成朝著用戶定義的目標(biāo)發(fā)展；

• 模擬人類類比推理的認(rèn)知外部工具的整合拓寬了探索的組合空間；

• MatAgent 促進(jìn)了可解釋且具有屬性導(dǎo)向的 AI 驅(qū)動的材料發(fā)現(xiàn)。

論文鏈接：

https://www.cell.com/cell-reports-physical-science/fulltext/S2666-3864(25)00618-6