論文の概要: Harnessing AtomisticSkills for Agentic Atomistic Research

• arxiv url: http://arxiv.org/abs/2605.24002v1
• Date: Mon, 18 May 2026 21:45:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:17.457303
• Title: Harnessing AtomisticSkills for Agentic Atomistic Research
• Title（参考訳）: エージェント原子論研究のための原子論スキルの調和
• Authors: Bowen Deng, Bohan Li, Matthew Cox, Hoje Chun, Juno Nam, Artur Lyssenko, Sathya Edamadaka, Jurgis Ruza, Xiaochen Du, Nofit Segal, Jesus Diaz Sanchez, Mingrou Xie, Ty Perez, Yu Yao, Miguel Steiner, Sauradeep Majumdar, Charles B. Musgrave, Anirban Chandra, Abhirup Patra, Detlef Hohl, Connor W. Coley, Ju Li, Rafael Gómez-Bombarelli,
• Abstract要約: AtomisticSkillsは、汎用AIコーディングエージェントに原子研究を行う権限を与える、オープンソースのフレームワークである。 科学をエージェントスキルとツールに分解することで、AtomisticSkillsはエージェントにモジュラー、キュレート、プラグアンドプレイの研究機能を提供する。
• 参考スコア（独自算出の注目度）: 12.438626271223612
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Computational materials science and chemistry span vast knowledge domains and fractured software ecosystems. Although large language models (LLMs) have demonstrated research capabilities, scaling monolithic agents to manage the rigor and complexity of atomistic research remains a challenge. Here, we introduce AtomisticSkills, an open-source harness framework that empowers general-purpose AI coding agents to conduct atomistic research across materials science, chemistry, and drug discovery. By hierarchically decomposing scientific workflows into agent skills and tools, AtomisticSkills provides agents with modular, extensible, and plug-and-play research capabilities. The framework integrates more than 100 human-curated multidisciplinary skills, including database access, thermodynamics and kinetics modeling, and diverse simulation engines employing machine learning interatomic potentials (MLIPs) and density functional theory (DFT). We validate its functional coverage against scientific literature and demonstrate robust orchestration capabilities across diverse scientific campaigns: generative design of Li-ion solid-state electrolytes, high-throughput screening of metal-organic frameworks for CO2 capture, autonomous MLIP benchmarking and fine-tuning, multi-stage structure-based virtual screening for drug design, multimodal X-ray diffraction pattern analysis, and screening of Fe-oxide catalysts for oxygen evolution reaction. AtomisticSkills provides a critical agent infrastructure towards building fully autonomous AI scientists.
• Abstract（参考訳）: 計算材料科学と化学は膨大な知識領域と壊れたソフトウェアエコシステムにまたがる。 大規模言語モデル(LLM)は研究能力を示しているが、原子論研究の厳密さと複雑さを管理するためにモノリシックなエージェントをスケーリングすることは依然として課題である。 本稿では、汎用AIコーディングエージェントが物質科学、化学、薬物発見にまたがって原子論的な研究を行うことを可能にするオープンソースのハーネスフレームワークAtomisticSkillsを紹介する。 科学的ワークフローをエージェントスキルとツールに階層的に分解することで、AtomisticSkillsはエージェントにモジュール的で拡張性があり、プラグアンドプレイの研究機能を提供する。 このフレームワークは、データベースアクセス、熱力学、動力学モデリング、機械学習原子間ポテンシャル(MLIP)と密度汎関数理論(DFT)を用いた多様なシミュレーションエンジンを含む、100以上の人為的な多分野のスキルを統合している。 我々は,その機能的カバレッジを科学的文献に対して検証し,Liイオン固体電解質の生成設計,CO2捕捉のための金属-有機フレームワークの高スループットスクリーニング,自律型MLIPベンチマークと微調整,医薬品設計のための多段階構造ベース仮想スクリーニング,マルチモーダルX線回折パターン解析,酸素生成反応のためのFe-オキサイド触媒のスクリーニングなど,様々な科学的キャンペーンにおいて堅牢なオーケストレーション機能を示す。 AtomisticSkillsは、完全に自律的なAI科学者を構築するための重要なエージェントインフラストラクチャを提供する。

関連論文リスト

• QUASAR: A Universal Autonomous System for Atomistic Simulation and a Benchmark of Its Capabilities [0.7519872646378835]
  QUASARは、生産段階の科学的発見を促進するために設計された原子論シミュレーションのための普遍的な自律システムである。 我々は,光触媒スクリーニングや新規材料評価など,日常的な課題からフロンティア研究の課題まで,一連の3段階の課題に対してquariSARをベンチマークした。 その結果,quiSARはタスク固有の自動化フレームワークではなく,一般的な原子論的推論システムとして機能することが示唆された。
  論文  参考訳（メタデータ） (2026-01-30T05:29:44Z)
• Agentic reinforcement learning empowers next-generation chemical language models for molecular design and synthesis [51.83339196548892]
  ChemCraftは、知識ストレージから化学推論を分離する新しいフレームワークである。 ChemCraftは最小の推論コストで優れたパフォーマンスを実現する。 この研究は、AI支援化学のコスト効率とプライバシ保護のパラダイムを確立する。
  論文  参考訳（メタデータ） (2026-01-25T04:23:34Z)
• Bohrium + SciMaster: Building the Infrastructure and Ecosystem for Agentic Science at Scale [82.20980951765891]
  エージェントサイエンスのスケーリングにはインフラストラクチャ・アンド・エコシステムアプローチが必要である,と我々は主張する。 BohriumはAI4S資産のマネージドでトレース可能なハブとして機能し、多様な科学データ、ソフトウェア、計算、実験室のシステムをエージェント対応の能力に変換する。 SciMasterはこれらの機能を長い水平科学に編成し、科学エージェントを合成して実行することができる。
  論文  参考訳（メタデータ） (2025-12-23T16:04:41Z)
• Hierarchical Multi-agent Large Language Model Reasoning for Autonomous Functional Materials Discovery [0.0]
  電子構造推論におけるシミュレーションと理論のための材料エージェント(マスター) MASTERでは、マルチモーダルシステムは自然言語を密度汎関数理論に変換し、高レベルの推論エージェントは戦略階層を通して発見を導く。 推論軌道は、サンプリングやセマンティックバイアスによって説明できない化学的根拠のある決定を示す。
  論文  参考訳（メタデータ） (2025-12-15T22:08:18Z)
• MOFSimBench: Evaluating Universal Machine Learning Interatomic Potentials In Metal--Organic Framework Molecular Modeling [0.19506923346234722]
  UMLIP(Universal Machine Learning Interatomic potentials)は、原子論シミュレーションを加速するための強力なツールとして登場した。 ナノポーラス材料の主要材料モデリングタスクにおけるuMLIPの評価ベンチマークであるMOFSimBenchを紹介する。 トップパフォーマンスのuMLIPは、古典的な力場や、あらゆるタスクにわたって微調整された機械学習能力より一貫して優れています。
  論文  参考訳（メタデータ） (2025-07-16T00:00:55Z)
• Chemist-X: Large Language Model-empowered Agent for Reaction Condition Recommendation in Chemical Synthesis [55.30328162764292]
  Chemist-Xは、化学合成における反応条件最適化(RCO)タスクを自動化する包括的なAIエージェントである。 このエージェントは、検索強化世代(RAG)技術とAI制御のウェットラブ実験を実行する。 我々の自動ウェットラブ実験の結果は、LLMが制御するエンドツーエンドの操作を、ロボットに人間がいない状態で行うことで達成され、Chemist-Xの自動運転実験における能力が証明された。
  論文  参考訳（メタデータ） (2023-11-16T01:21:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。