机构名称：
¥ 2.0
新合金的设计是一个多尺度问题，需要采用整体方法，包括检索相关知识、应用先进的计算方法、进行实验验证和分析结果，而这个过程通常很慢，只有人类专家才能完成。机器学习 (ML) 可以帮助加速这一过程，例如通过使用深度替代模型将结构和化学特征与材料特性联系起来，反之亦然。然而，现有的数据驱动模型通常针对特定的材料目标，在整合领域外知识方面的灵活性有限，无法适应新的、不可预见的挑战。在这里，我们通过利用多个 AI 代理的独特功能来克服这些限制，这些代理在动态环境中自主协作以解决复杂的材料设计任务。所提出的物理感知生成式 AI 平台 AtomAgents 结合了大型语言模型 (LLM) 的智能以及在各个领域具有专业知识的 AI 代理之间的动态协作，包括知识检索、多模态数据集成、基于物理的模拟以及跨模态的综合结果分析，其中包括数值数据和物理模拟结果的图像。多智能体系统的协同努力可以解决复杂的材料设计问题，例如自主设计与纯金属相比性能增强的金属合金。我们的结果能够准确预测合金的关键特性，并强调了固溶体合金化在引导先进金属合金开发方面的关键作用。我们的框架提高了复杂多目标设计任务的效率，并为生物医学材料工程、可再生能源和环境可持续性等领域开辟了新途径。
AtomAgents：通过物理学进行合金设计和发现——……
主要关键词
相关文件推荐
