Мультиагентная ИИ-система CGMas ускорила моделирование полимеров в десятки раз
Исследователи разработали мультиагентную систему CGMas, которая автоматизирует процесс coarse-grained молекулярной динамики полимеров. Работа опубликована на arXiv и описывает подход, при котором большие языковые модели управляют построением упрощенных моделей, ускоряя вычисления на порядки.
Coarse-grained моделирование позволяет изучать полимеры на масштабах, недоступных для атомистических методов. Однако создание таких моделей требует ручной работы: нужно выбрать разрешение, построить карту отображения, вывести потенциалы и провести валидацию. Обычно для каждого нового полимера этот процесс запускается заново.
CGMas берет на себя все этапы: от построения топологии до проверки точности. Система принимает на вход описание полимера на естественном языке и целевую степень детализации. Агент на базе LLM выводит атомистическую топологию, а многоуровневая самокоррекция устраняет физические ошибки, характерные для ненасыщенных, гетероатомных и полярных полимеров.
Затем дополнительные агенты уравновешивают систему, переводят ее в coarse-grained представление, получают потенциалы методом обратного преобразования Больцмана и сравнивают результат с атомистическим эталоном. Авторы протестировали фреймворк на 27 гомополимерах и сополимерах.
Во всех случаях система успешно завершила построение модели. В 22 случаях плотность совпала с атомистической в пределах 5%. Время расчета сократилось с 38–88 минут до одной, что делает возможным быстрое исследование большого числа полимеров.
Как отмечают авторы, результат демонстрирует потенциал агентных LLM для автоматизации сложных научных рабочих процессов. CGMas может стать инструментом для материаловедения, позволяя быстрее подбирать полимеры с нужными свойствами без длительной ручной настройки моделей.
