摘要

本文由Alireza Ghafarollahi和Markus J. Buehler共同撰写，提出了一种名为AtomAgents的物理感知多模态多智能体人工智能平台，用于合金设计和发现。该平台结合了大型语言模型（LLM）的智能和多智能体在动态环境中的协作，涉及知识检索、多模态数据集成、基于物理的模拟和跨模态结果分析。AtomAgents能够自主解决复杂的材料设计问题，如设计具有增强性能的金属合金。文章通过多个计算实验展示了该平台在合金设计中的应用，强调了其在加速复杂多目标设计任务效率和开辟新材料工程领域新途径的重要性。

原理

AtomAgents平台的核心在于利用多个AI智能体的协作来解决复杂的材料设计任务。这些智能体具备不同的专业领域知识，包括知识检索、数据集成、物理模拟和结果分析。通过大型语言模型（LLM）的协调，智能体能够在动态环境中自主协作，执行从计划制定到结果分析的全过程。这种多智能体系统的设计使得AtomAgents能够灵活地整合来自不同领域的知识和工具，实现对新材料设计任务的高效处理。

流程

AtomAgents的工作流程包括感知、规划和执行三个主要阶段。首先，感知模块接收外部环境的变化，并将多模态信息转换为智能体可理解的形式。接着，规划模块进行处理活动，如制定计划、思考和决策。最后，执行模块根据规划结果使用工具执行任务。整个过程通过智能体之间的持续协作和环境交互来实现任务的完成。例如，在合金设计实验中，智能体首先制定详细的任务计划，然后执行原子级模拟计算，最后分析和讨论结果，整个过程无需人工干预。

应用

AtomAgents平台的应用前景广泛，特别适用于需要复杂模拟和多学科知识整合的材料设计领域。其能力不仅限于金属合金，还可以扩展到生物材料、聚合物、陶瓷和液体等多种材料系统。此外，该平台通过集成先进的深度学习模型和生成工具，有望进一步优化材料设计流程，减少对原子级模拟的依赖，从而在材料科学领域推动创新和效率的提升。