跳到主要内容
返回时间线
arXiv来源发表:

粉末衍射解结构交给智能体:pXRD-Bench 上精确回收率从 27% 升到 69%

核心概要

粉末 X 射线衍射解晶体结构长期依赖人工反复试错,难以接入自驱动实验室。研究者把这一任务表述为可验证的智能体搜索问题:候选结构可在推理时用前向模拟的衍射曲线吻合度打分,在评测时用结构匹配对照已知参考。在 200 道模拟单相题的 pXRD-Bench 上,经过智能体适配的版本把选中结构的精确回收率从 27% 提高到 69%,重复采样与验证器引导的推理时扩展还能继续加分。

Source-provided article image: Verifiable pXRD: Hill-climbing pXRD structure determination with LLM agents
arXiv

深度剖析

粉末衍射解结构被改写成一个可验证的智能体搜索任务,智能体在推理过程中就能用前向模拟的衍射曲线吻合度判断候选结构是否站得住。 此前的自动化路线包括晶体学软件、数据库物相检索、物理引导的全局搜索和生成模型,但可靠的自主粉末衍射解结构仍难以实现。 在 200 道模拟单相题的 pXRD-Bench 上,无工具的单次调用模型整体精确回收率为 27.0%,而加入编码智能体外壳与材料科学 Python 环境后升到 52.0%。

智能体适配不改变模型参数,只改它周围的工具、接口和可复用任务知识,就能把精确回收率推到 69.0%。 同一前沿模型在无工具条件下只有 27.0%,接入材料科学编码环境后为 52.0%,再加入 GSAS-II 与 DICVOL14 后为 57.0%。 最终版本 adapted-codex 在 pXRD-Bench 上取得 69.0% 的选中结构精确匹配,其能力包只有一段 139 词的技能说明和一个 DICVOL 适配器,训练课程是与基准不相交的 50 道题。

在 20 道代表性子集上重复采样,并用衍射曲线残差在看不到参考答案的情况下挑选候选,可以把候选池里的正确答案转成第一名。 重复采样本身只提高 oracle 覆盖率,即至少一条轨迹给出正确结构的概率,要兑现这一收益还需要一个不依赖隐藏参考的推理时验证器。 在 20 道题的 8 条独立 adapted-codex 轨迹中,候选池有 18 道包含精确结构,基于最低残差的挑选器把这 18 道全部排到首位。

启示与展望

演示范围是 200 道模拟单相题的 pXRD-Bench、用于推理时扩展的 20 道代表性子集,以及来自 Precursor Genome 的 15 条二价金属钨酸盐实测多相曲线;实测部分属于开发性评测,因为同一批曲线此前参与过框架与合成生成器的设计决策。

实测比较中各条件在不同日期使用可变的模型别名,消耗的推理算力也不相同;额外的 Sr 重复是在看到初始结果之后才选定的,且针对同一份样品。直接开放框架访问得到的最低平均残差为 5.98%,优于进化包 v6 的 6.71%,说明进化带来的平均拟合改善有限。