跳到主要内容
返回时间线
arXiv来源发表:

MatOS把材料研究能力做成可复用资产:同一基座模型下,端到端研究评分高出此前最佳智能体11.15%

核心概要

中关村学院与中关村人工智能研究院团队发布面向材料研究的智能体操作系统 MatOS,把数据、知识、工具、技能、角色和工作流登记为带依赖与来源的科学资产,并用带科学检查的执行图运行长周期任务。在 ResearchClawBench 上,使用同一基座模型时其得分比此前最佳智能体高 11.15%,同时把成本—得分前沿向外推。八个研究案例覆盖从三千多万候选结构筛选到新方法开发。

AI-generated editorial illustration: MatOS: An Agent Operating System for Materials Research

深度剖析

材料研究智能体的能力扩展、长任务跟踪和经验复用被放进一个统一的操作系统层:数据、知识、工具、技能、角色和工作流六类科学资产各自带标识符、声明依赖和来源,新数据库、新代码或新方法通过登记资产接入,而不必重建智能体。 此前材料与化学智能体多以专用多智能体流水线为主,新增一个计算代码或实验阶段往往要写新的工具函数并改动流水线;恢复机制如工作流重启、智能体检查点和失败计算自动重启,通常只作用于单个作业或已保存状态。 在 ResearchClawBench 的 12 个任务上,MatOS 的 GPT-5.4 配置总分 19.46,比得分最高的基线 MIRA 的 17.51 高 11.15%;成本更低的 DeepSeek-V4-Flash 配置得 19.20,比 MIRA 高 9.63%。

长周期任务被写成显式执行图,节点分为决策、执行、检查和控制四组,图快照、节点状态与产物独立于模型上下文持久保存,因此任务可以暂停、恢复和追溯。 智能体在研究中修改计划时,系统还需判断哪些早先结果仍然有效;同一智能体重复运行也可能给出不同结果,而既有恢复手段不处理计划变更后的有效性判定。 智能体或研究者提出的图更新要依次通过结构检查、策略检查和编译检查才被接纳并编译成新快照,否则当前图继续运行;每次提案、检查与决定都被记录。

任务结束后,证据驱动的资产演化会依据执行轨迹和用户反馈定位应修改的资产,做聚焦编辑,再经结构检查与语义复核双重验收后才采纳,基座模型参数保持不变。 此前的经验学习多保留反思、洞察、工作流或工具知识,且大多在通用领域任务上开发;材料研究中的模拟协议、故障诊断和验证标准若本身有缺陷,会污染后续结果,因此复用前需要核查。 结构检查在存在更新前基线时对比两次运行的错误集合,要求编辑不引入新错误;语义复核则判断修订是否回应原始证据、是否保留方法适用条件、是否损害相关能力。

启示与展望

评估期间资产库被冻结,基准任务未参与资产修订;MatTools 与 SciAgentGym 上三个系统统一使用 DeepSeek-V4-Pro 基座模型,ResearchClawBench 上所有基线使用 GPT-5.4。八个案例覆盖无机材料、固态电解质、液态电解质、合金,以及一项基于 OpenFOAM 的 CFDBench 顶盖驱动方腔复现。

合金熔点搜索中,286 个被评估成分没有一个同时满足四项验收标准,最高分成分 Ag3.02Bi1Pb85Pt4Sn6.98(wt.%)的残余固相分数为 0.142,高于 0.1 的门槛,且这些代理模型预测仍需热力学计算或测量验证。液态电解质的 Onsager 电导率低于 Nernst–Einstein 估计和实验值,E2 与 E3 偏差最大。训练数据选择方法的评估集在筛选器开发期间也被使用过。