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

资讯 AI 行业观察 作者:量子位 全文 4487 字 · 约 12 分钟读完 配图 11 张 分类开源智能体大模型

大模型智能体已经能够检索文献、调用模拟软件,甚至与自动化实验室协同工作。但要让它们独立完成一项完整的材料研究,仍然面临挑战: 一项研究可能要从数千万个候选结构中逐级筛选,或在数百个合金配方中反复搜索,持续数天,并根据中间结果不断调整计划;每接入一个新的数据库或软件,往往要重新搭建流程;一项研究中积累的经验,也很难被其他

所属频道 模型发布智能体与 Agent开源生态

大模型智能体已经能够检索文献、调用模拟软件,甚至与自动化实验室协同工作。但要让它们独立完成一项完整的材料研究,仍然面临挑战:

一项研究可能要从数千万个候选结构中逐级筛选,或在数百个合金配方中反复搜索,持续数天,并根据中间结果不断调整计划;每接入一个新的数据库或软件,往往要重新搭建流程;一项研究中积累的经验,也很难被其他研究复用。

为此,北京中关村学院、中关村人工智能研究院(中关村两院)于今年九月发布年度科研进展——MatOS,一个面向材料研发的科研智能体系统。

该项目由中关村两院AI材料研究所团队构建,将数据、知识、工具、技能、角色和工作流统一组织为科学资产,支持研究者和MatOS自身在已有资产之上构建新能力,通过有状态工作流执行研究任务,并将经过检查与审查的资产修订用于后续研究,使科研能力在使用中持续进化。

目前,MatOS的资产库已包含3,135个数据集、386项技能、104个工作流和51个专家角色,并集成48款材料计算软件;技术报告已在arXiv发布,代码已在GitHub开源。

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(配图 1)

在3项智能体基准和8个研究案例中,MatOS完成了从端到端自主研究、工具调用到大规模筛选、配方设计和新方法开发的多类任务,例如:

在端到端自主科研基准ResearchClawBench上,与采用相同底座模型的Codex CLI相比,平均得分高33.6%,材料任务高80.8%;

在材料软件使用基准MatTools上,与Codex CLI、Claude Code采用相同的底座模型时,完整问题成功率达到97.96%,为三者最高;

构建层次化筛选流程,从3000多万个候选结构中筛选出97个固态电解质候选;

支持开发合金熔点预测模型DuoCompNet,在固定测试集上的平均绝对误差降至3.18°C,比次优模型低13.6%。

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(配图 2)

从回答问题到开展研究,再到持续产出高质量科学资产

近年来,ChemCrow、LLaMP等工作让大模型能够调用专业工具,MARS等系统将智能体与自动化实验连接起来,科研智能体正在从回答问题走向开展研究。

材料研究对智能体系统提出了三方面要求:

数据库、模拟软件和机器学习势(用机器学习模型近似原子间作用力、加速模拟的方法)不断出现,要求系统无需重建即可接入新能力;

研究跨越文献分析、计算和实验,要求系统能够在长周期任务中保存状态、检查结果;

模拟时长、采样策略等经验大多来自实践,系统要能存储这些经验,并在后续任务中有效复用。

MatOS以三大设计回应这些要求:分层科学资产图组织并扩展研发能力,有状态自适应工作流调用资产执行任务并保存证据,证据驱动的资产进化将可复用的经验转化为经过检查与审查的资产修订。

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(配图 3)

△

三大设计:构建、执行与进化

分层科学资产图:组合已有能力,构建新能力

MatOS将数据、知识、工具、技能、角色和工作流,组织为六类科学资产。

每项资产都有唯一标识、声明的依赖关系和来源记录,既可以直接保存内容,也可以引用外部数据库或计算软件。

资产之间通过依赖、调用、证据、验证等类型化关系相连,智能体接到任务时,按照这些关系组合所需的能力。

其中,技能相当于一类研究问题的操作规程,规定何时使用、如何选择方法、需要哪些前提、如何执行以及如何检查结果;角色是由职责说明和可调用资产定义的专家智能体;工作流描述多个研究阶段如何衔接。同一技能可以供多个角色使用,同一角色也可以参与不同的工作流。

研究者和MatOS自身都可以在已有资产之上构建新的能力。

研究者可将数据库、软件或方法登记为资产,按接口与依赖关系组合为技能、角色或工作流;MatOS也可依据任务证据新建或修订资产,经检查与审查后供后续任务复用。资产的使用和修订均有记录,每一次改进都可以追溯。

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(配图 4)

△

有状态自适应工作流:稳定执行与按需调整

工作流资产是可复用的流程描述,一次具体研究则通过执行图运行。执行图中的每个节点都写明目标、输入输出、完成条件和所引用的资产。系统按图调度和检查,只把方法选择、计划调整和异常解释等需要判断的环节交给智能体,需要研究者确认的步骤可以设为人工节点。

由于大模型面对相同输入也可能给出不同输出,长任务中的决策容易随上下文变化而偏离目标,因此MatOS通过显式的步骤和检查条件减少了执行对模型会话的依赖,降低了多步执行中偏离研究目标的风险。

执行图快照、节点状态、结果和事件记录都保存在系统中,独立于模型的会话。

耗时数天的计算交由后台执行,完成、需要输入或失去响应时,系统主动通知智能体;等待外部结果或人工输入的任务会保留进度,之后继续执行。每项输出都关联到产生它的节点和执行尝试。

中间结果可能要求调整后续步骤,例如先补充一步验证,再让后续分析以验证结果为准。这时,智能体或研究者可以提出对执行图的调整,增加或修改节点、改变依赖关系。调整须通过结构、策略和编译三道检查,通过后形成新版本的执行图;未通过时,原执行图继续运行。每次调整的提案、检查结果和采纳决定都有记录,执行图的演化过程可以完整追溯。

执行图的调整首先服务于当前任务。其中具有复用价值的流程改进,会作为证据进入资产进化,经检查与审查后用于修订相应的工作流资产,供后续同类任务调用。

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(配图 5)

△

证据驱动的资产进化:在使用中持续改进

用户纠正、失败的工具调用、反复出现的操作和工作流结果,都可能提示某项资产需要改进。

MatOS先评估证据是否充分、问题是否成立、经验能否复用,再定位到负责相应功能的资产:方法选择错误可能需要修订知识或技能,工具行为错误需要修复工具,缺少研究步骤则需要修订工作流;必要时也会新建资产,或同步修订多个关联资产。

例如,若反馈表明分子动力学模拟的平衡时间过短,系统可将对应技能中的平衡时长由50ps改为至少200ps,并增加一项检查,确认原子扩散已进入稳定状态。

候选修订须经过结构检查和基于模型的语义审查:结构检查主要判断是否引入新的结构、接口或组合错误;语义审查则判断修订是否回应了原始证据、保留了方法的适用条件,并与关联资产保持一致。

只有通过检查与审查的修订才会被采纳,后续任务的结果又成为下一轮评估的证据。这些经验保存在模型之外的资产中,基础语言模型的参数保持不变;资产也不绑定特定模型,评测中同一套MatOS分别搭配了GPT-5.4和DeepSeek系列模型。

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(配图 6)

△

基准评测结果

ResearchClawBench要求系统依据文献和原始数据开展研究并提交报告。团队选取化学、能源和材料领域的12项任务,与MIRA、ResearchClaw、EvoScientist、Codex CLI等7个采用GPT-5.4的科研智能体进行比较。

采用GPT-5.4时,MatOS平均得分为19.46,较最佳基线MIRA高11.15%,较Codex CLI高33.6%。材料任务表现更突出:较MIRA高18.7%,较Codex CLI高80.8%。换用成本更低的DeepSeek-V4-Flash时,MatOS平均得分为19.20,同样高于全部基线。

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(配图 7)

△

成本方面,DeepSeek-V4-Flash配置的单任务平均成本约为0.85美元,不到Codex CLI(2.70美元)的三分之一,得分更高;GPT-5.4配置则以约3.78美元的成本取得最高得分。两个MatOS配置共同扩展了本次评测中的成本—得分帕累托前沿(即在多个目标之间,找到一组各有取舍、但没有一个能被其他方案全面超越的最优选择)。

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(配图 8)

△

在材料软件使用基准MatTools和多步工具调用基准SciAgentGym上,MatOS、Codex CLI和Claude Code三个系统均以DeepSeek-V4-Pro为底座。

MatOS在MatTools上的完整问题成功率为97.96%,高于Codex CLI的95.92%和Claude Code的89.80%;子任务成功率为97.10%,另两者分别为95.65%和91.30%。在SciAgentGym上,MatOS的案例成功率为59.5%,高于另外两个系统的57.1%。

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(配图 9)

△

研究案例:从大规模筛选到新方法开发

8个研究案例覆盖机器学习势、固态与液态电解质、合金等材料方向,并延伸到流体力学,任务类型包括大规模筛选、分子模拟、配方设计和新方法开发。

在大规模筛选方面,MatOS沿用Du等人提出的分层筛选框架:先用只依据化学成分的模型快速粗筛,再用根据晶体结构预测性质的图神经网络细筛,最后用分子动力学模拟离子运动,逐级考察导电能力、电化学稳定性和力学性质,从30,364,908个初始结构中筛选出97个固态电解质候选,其计算电导率最高达59.0mS/cm。

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(配图 10)

△

在配方设计方面,MatOS面向半导体封装,搜索在300°C左右开始熔化、且熔化温度区间较窄的合金:大模型分四组并行提出候选配方,代理模型(一种快速近似计算的模型)预测各配方在不同温度下固相与液相的比例,评分结果指导下一轮搜索。

在评估的286个配方中,最高得分从起始配方的0.534提升到0.927;得分最高的Pb–Ag–Pt–Sn系合金预计在297.75°C开始熔化,升温4.55°C后液相比例即达到80%。

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(配图 11)

△

在新方法开发方面,研究团队借助MatOS构建了主动学习工作流:系统挑选需要做热力学计算的合金配方,计算结果返回后重新训练模型,数据和模型同步扩充。

在这一流程中开发的DuoCompNet,用于预测含锡合金从开始熔化到完全熔化的温度区间中点。随着训练数据增加,它在固定测试集上的平均绝对误差从28.40°C降到3.18°C,在参与比较的六个模型中最低,比次优的Roost低13.6%;测试集为1,401个熔化区间中点在200°C到400°C之间、由两种或三种元素组成的含锡配方,参照值来自热力学计算。

借助MatOS开发的训练数据选择方法RarityGuard-MP,从约126万个结构中选出10万个用于训练机器学习势,在相同数据量下,所训练模型的能量、力和应力综合误差比DIRECT方法低3.10%。

总结与展望

MatOS将能力构建、任务执行与资产进化连接起来:

研究者可以接入自己的数据、软件和方法,系统可以从任务证据中提出资产修订,经检查与审查采纳的新资产和修订,成为后续研究可以直接调用的能力,新的研究因此不必从零开始。

下一步,MatOS将接入仪器和实验流程,使一项研究从计算筛选到实验验证的证据都能在同一个系统中关联起来。

技术报告:MatOS: An Agent Operating System for Materials Research

报告链接:https://arxiv.org/abs/2610.34203

代码:https://github.com/DingyangLyu/MatOSAI

材料研究所联系邮箱:aimaterials@bza.edu.cn

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 加州起诉OpenAI:指控AI智能体失控引发网络安全事件

    加州总检察长邦塔11月16日宣布起诉OpenAI,指其在缺乏必要安全防护与监控下开发测试先进AI模型,误导并危害公众,诉状共31页。诉讼指向2026年7月OpenAI实验版模型智能体攻击开源AI托管平台Hugging Face等事件,邦塔称这只是“至少80起”网络安全事件之一;OpenAI回应称这是每家主要AI实验室都

    来源 凤凰科技
  2. 书生-S2.1 Flash开源:能操控CAD与QGIS的科研智能体

    上海AI实验室开源了书生-S2.1 Flash,这是一个专门针对科学场景的多模态大模型。它不仅能看懂分子结构、光谱和脑电波,还能直接操作3D Slicer、QGIS、CAD等专业软件完成建模和分析。相比之前的版本,它的推理成本降低了90%,在多项通用智能体基准测试中表现优异。文章介绍了其技术原理、实际应用场景以及与竞品

    来源 AI 应用前沿
  3. AI自己造的harness靠谱吗?中科院计算所团队推出Doc2Harness评测

    你可能听说过GPT、Claude这些大模型能自己写代码、改bug、完成复杂的软件工程任务。但很少有人意识到,这些模型能做到多好,其实有一大半功劳不在模型本身,而在一个叫"harness"的东西上。harness:可以理解为AI智能体的工作外壳,它负责管理对话轮次、调用各种工具(读文件、写文件、执行命令)、处理权限、保存

    来源 腾讯网
  4. 网易智企发布双向AI安全架构,Agent越权风险怎么治?

    “当AI从“回答问题”走向“执行任务”,安全治理的边界也必须同步延伸。“数据安全”、“内容审核”曾是企业讨论AI风险时最常见的关键词。但当AI开始读取内部资料、调用外部工具、连接业务系统,甚至按目标完成一连串任务,问题已不只是模型会不会说错话,而是它会不会做错事。11月3日,在2026年世界互联网大会“互联网之光”博览

    来源 腾讯网
  5. DeepSeek Harness 实战:从零搭建你的第一个 AI Agent 工作流

    DeepSeek Harness (dsh) 是一款开源的 Agent 运行框架,它让 AI 能够直接操作你的本地文件系统和终端。本文不讲空洞的概念,而是带你一步步完成环境搭建、API 配置、权限设置,并通过一个生成 README 的真实案例,展示如何让 AI 从“聊天助手”变成能独立干活的“数字员工”。适合希望提升开

    来源 AI 应用前沿
  6. 9所高校23位研究者发布126页综述:个人智能体怎样才算持续在线

    个人智能体,正在迎来一场前所未有的密集爆发。 在海外,前沿AI实验室接连出手,推出Muse、dots、Claude Duet、Grok Bot、Gemini Daily Brief等重磅产品。它们不再只是被动地等待用户提问:有的在对话结束后继续在云端默默干活,有的每天清晨准时送来定制简报,还有的每隔几小时自动巡检一次用

    来源 AI 行业观察
  7. OVHcloud推出首个AI模型家族Olala,首发7A1B开源模型

    IT之家 11 月 17 日消息,欧洲云服务企业 OVHcloud 当地时间今日宣布推出其首个 AI 模型家族 Olala,同时公布了该系列的首个成员 Olala mini 7A1B。 Olala mini 7A1B 采用结合了 Differential-TPA 和 Mamba-3 的混合注意力机制,总参数 70 亿、

    来源 AI 行业观察
  8. 小米雷军:AI 是一个全新的时代,一定会带来非常多的商业机会

    IT之家 11 月 17 日消息,2026 年 APEC 工商领导人峰会 11 月 17 日至 18 日在深圳举办,主题为“共促繁荣,共赢未来”。 据新浪科技报道,小米集团创始人、董事长兼首席执行官雷军表示,过去四年,AI 大模型技术突飞猛进,给我们的生活和工作带来了巨大的变化。但 AI 能够落地的场景非常有限,能够真

    来源 AI 行业观察
  9. 李彦宏谈AI四层结构:终极价值在应用层

    11月17日,2026年APEC工商领导人峰会11月17日至18日在深圳举办,主题为“共促繁荣,共赢未来”。百度集团创始人、董事长兼首席执行官李彦宏表示,过去几年大家都见证了AI技术的快速进步。在他看来,AI可以分为四个层次:底层是GPU芯片,往上是云基础设施,再往上是开源模型或前沿大模型——它们都构建在云基础设施之上

    来源 腾讯网
  10. 华为云开源具身世界模型CloudRobo-WM1.2,两项评测登顶

    今天,华为云“行业AI梦工厂”发布并开源昇腾原生的具身世界模型CloudRobo-WM1.2,采用共享世界模型骨干网络实现预测增强的世界表征,基于世界模型原生DualAct架构,实现了世界模型原生动作生成,在RoboTwin 2.0、LiberoPro 2.0 评测中均位列第一。

    来源 TechWeb
  11. 华为云开源CloudRobo-WM1.2:具身世界模型登顶两项评测

    今天,华为云“行业AI梦工厂”发布并开源昇腾原生的具身世界模型CloudRobo-WM1.2,采用共享世界模型骨干网络实现预测增强的世界表征,基于世界模型原生DualAct架构,实现了世界模型原生动作生成,在RoboTwin 2.0、LiberoPro 2.0 评测中均位列第一。

    来源 TechWeb
  12. 企业AI转向智能体:数据、流程与治理怎么重构

    多年来,企业对AI的投入多停留在零散的试验项目上。当AI智能体开始进入真正驱动业务运转的工作流,这套打法正显露出局限。MIT Technology Review Insights指出,从孤立试点迈向智能体与自主工作流的企业,必须重新设计数据、业务流程与治理体系,把AI从“项目清单”变成可复用的企业底座。

    来源 AI 行业观察
  13. MIT追踪六项技术:自动驾驶、核聚变与认知永生走到哪一步了?

    MIT Technology Review的“The Download”栏目聚焦两大话题:六项曾承诺改变世界的技术如今进展如何,以及人类对“认知永生”的探索。文章提出,衡量技术进步应看真实部署而非宏大宣言;而借助大模型构建数字分身等技术,正让“认知永生”从科幻走向现实,但也带来身份与伦理的深层拷问。

    来源 AI 行业观察
  14. 知乎推出Paper开源计划:论文与讨论打通,科研作者可绑定身份

    知乎把论文阅读与社区讨论连接了起来。近日,2026知乎科学季收官。除了邀请科研人员参与线下交流,知乎还在科学季期间推出“Paper开源计划”,将论文关联、讨论入口和研究者身份绑定纳入社区功能。基于这项计划。用户阅读论文时,可以通过插件查看知乎上的相关讨论;社区问题可以关联论文卡片,方便读者查阅原始研究;科研...

    来源 腾讯网
  15. OpenAI与Meta同日打通代理支付:Agent商业闭环成了?

    作者|桦林舞王编辑|靖宇Agent 能进门了,也能付钱了。Agent 替用户「消费」的时代,终于到来了。美国时间 2026 年 11 月 13 日,两家公司两场发布会同天发生。一边是企业级对话式智能体公司 Sierra 联合 Meta 正式发布个人代理协议 Poppy v1.0,解决助手怎么「进门」的问题;另一边是 O

    来源 腾讯网
  16. 李彦宏APEC中英文两场对话:AI价值最终在应用层

    李彦宏表示,AI的价值最终来自应用层他指出,过去几年AI技术在芯片、云计算、大模型等层面取得了巨大成就,但在他看来,AI的力量最终要靠应用层释放——只有把AI真正用进各个国家、各个公司、各类组织的真实场景中,技术能力才能转化为实际价值。

    来源 TechWeb
向下滚动自动加载更多