扬声·CNDoor.Vip › 首页 ›资讯› 业界动态 › 查看内容

材料科学智能体MatOS正式开源:AI自己攒经验,3000万个结构筛出97个电解质候选 ...

2026-11-18 07:01| 发布者: 糖糊碌| 查看: 28| 评论: 0

摘要: AI搞科研,一直是能聊不能干:问它材料知识,答得头头是道;真要它从头做完一个课题——查文献、跑模拟、筛结构、调参数——往往就卡住了。据中关村两院(北京中关村学院、中关村人工智能研究院)消息,他们做的一 ...

MatOS 材料科学智能体开源

AI搞科研,一直是"能聊不能干":问它材料知识,答得头头是道;真要它从头做完一个课题——查文献、跑模拟、筛结构、调参数——往往就卡住了。据中关村两院(北京中关村学院、中关村人工智能研究院)消息,他们做的一套材料研发智能体系统 MatOS 已正式开源,代码放到 GitHub,技术报告上了 arXiv。简单说,这是给材料研究配的一套"操作系统",AI 和科学家都能在上面攒能力、干活、留经验。

它解决什么麻烦:一项材料研究动辄要从上千万个候选结构里一层层筛,或者在几百个合金配方里反复试,跑上几天还得随时改计划;每接一个新数据库、新软件,流程又要重搭一遍;上次攒的经验,下次换个课题就用不上了。

怎么做的:MatOS 把数据、知识、工具、技能、角色、工作流这六类东西统一登记成"科学资产",每项都标好来源和依赖关系。目前资产库里已有 3,135 个数据集、386 项技能、104 个工作流、51 个专家角色,接入 48 款材料计算软件。接到任务后,系统按一张"执行图"一步步跑,中途可以增减步骤、调整依赖,每一步的输入输出和检查条件都留在系统里,长任务还能挂后台跑、跑完主动来叫人。更有意思的是它会"长本事":把踩过的坑、用对的参数写成修订意见,经过结构检查和语义审查后存回资产库,下次同类任务直接复用,而这些经验存在模型外面,底层大模型参数一点没动。

干出了什么成绩:据官方披露的评测,在端到端自主科研基准 ResearchClawBench 上,同样的底座模型下,MatOS 平均得分比 Codex CLI 高 33.6%,材料类任务高出 80.8%;在材料软件使用基准 MatTools 上,完整问题成功率达到 97.96%(Codex CLI 95.92%、Claude Code 89.80%)。实际案例里,它从 30,364,908 个初始结构中筛出 97 个固态电解质候选,最高计算电导率达 59.0 mS/cm;还为半导体封装找了能在约 300°C 熔化的合金配方,最高得分从起始的 0.534 提到 0.927;并协助做出合金熔点预测模型 DuoCompNet,平均绝对误差降到 3.18°C,比次优模型低 13.6%。成本上,搭配 DeepSeek-V4-Flash 时单任务平均约 0.85 美元,不到 Codex CLI(2.70 美元)的三分之一,得分还更高。团队表示下一步会接入仪器和实验流程,让"算出来"到"做出来"的证据串在同一个系统里。

来源:量子位《材料科学智能体MatOS正式开源!大幅提高材料研发任务成功率》(2026-11-17)

原文链接:https://www.qbitai.com/2026/11/510652.html

技术报告:https://arxiv.org/abs/2610.34203 代码:https://github.com/DingyangLyu/MatOS


鲜花

握手

雷人

路过

鸡蛋
扬声 · CNDoor.Vip 汇聚 AI 资讯、办公效率、写作、图鉴等实用内容,为新手提供从入门到上手的 AI 指南。我们相信:AI 不该只是技术圈的事——把复杂的事说人话,让每个人都用得上。
  • 手机博客
  • 手机扬声
Copyright © 2014-2026 扬声 · 菜鸟门 版权所有 All Rights Reserved. 冀ICP备2025120842号
关灯 返回顶部
返回顶部