MatOS开源:材料研发智能体资产库含3135个数据集

资讯 腾讯网 作者:量子位 全文 4000 字 · 约 10 分钟读完 分类开源智能体大模型

允中 发自 凹非寺 量子位 | 公众号QbitAI 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: ....

所属频道 模型发布智能体与 Agent开源生态

允中 发自 凹非寺

量子位 | 公众号QbitAI

检索文献、调用模拟软件,甚至和自动化实验室配合干活,大模型智能体这些事已经能做了。可要让它独自把一项完整的材料研究做完,还是有不少难关:

比如一项研究得从几千万个候选结构里一层层往下筛,或者在几百个合金配方里来回试,一跑就是好几天,中间还得看结果随时改计划。每接一个新数据库或新软件,流程常常要重搭一遍;这次研究攒下的经验,换个课题也很难用上。

今年九月,北京中关村学院和中关村人工智能研究院(合称中关村两院)发布了年度科研进展——面向材料研发的科研智能体系统MatOS。

这一项目由中关村两院AI材料研究所团队打造,把数据、知识、工具、技能、角色和工作流统一组织起来,让研究者和MatOS自己都能在已有资产之上搭出新能力,通过

眼下MatOS的资产库里有3,135个数据集、386项技能、104个工作流和51个专家角色,还接入了48款材料计算软件。技术报告已经发在arXiv上,代码也在GitHub开源。

3项智能体基准加8个研究案例,MatOS跑通了端到端自主研究、工具调用、大规模筛选、配方设计和新方法开发等多类任务,比如:

在端到端自主科研基准

材料软件使用基准上拿到97.96%,是三者里最高的;

搭起层次化筛选流程,从3000多万个候选结构里筛出97个固态电解质

帮着做出合金熔点预测模型3.18°C,比次优模型低13.6%。

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,

材料研究对智能体系统提了三方面要求:

数据库、模拟软件和

文献分析、计算、实验,研究要跨过这些环节,系统就得在长周期任务里存住状态、核对结果;

模拟时长、采样策略这类经验多半来自实操,系统得把它们存下来,后面的任务里还能用得上。

针对这些要求,MatOS拿出了三大设计:分层科学资产图。

MatOS整体架构:分层科学资产图、有状态的自适应工作流和证据驱动的资产进化

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

数据、知识、工具、技能、角色和工作流,在MatOS里被组织成六类科学资产。

每一项资产都带唯一标识、声明好的依赖关系和来源记录,内容既能直接存下来,也能引用外部数据库或计算软件。

资产之间靠依赖、调用、证据、验证等类型化关系连起来,智能体接到任务后,就顺着这些关系把需要的能力拼起来。

在这套体系里,技能指的是一类研究问题的操作规程,它明确什么时候该用、方法怎么挑、需要哪些前提、步骤如何执行、结果又该怎么核查;角色则是由职责说明加上可调用资产界定出来的专家智能体;工作流讲的是多个研究阶段之间怎样衔接。同一个技能能让多个角色共用,同一个角色也能出现在不同的工作流中。

无论是研究者还是MatOS本身,都能在已有资产的基础上搭出新的能力。

研究者可以把数据库、软件或者方法登记成资产,再按接口和依赖关系把它们组合成技能、角色或工作流;MatOS同样能根据任务证据新建或修订资产,经过检查与审查之后留给后续任务复用。资产的使用和修订都会留痕,每一次改进都能追溯。

MatOS 对科学资产的安排,可以从两个角度看:(a)数据、知识、工具、技能、角色与工作流被划进四个语义层,前四类逐层往上抽象,最终落到角色和工作流;(b)拿电池角色来说,它是在资产图里挑出数据、知识、工具、技能和工作流,再把它们组合起来。

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,一次具体的研究里,只有方法选择、计划调整、异常解释这类需要判断的环节才交给智能体;有些步骤需要研究者确认,可以设成人工节点。

大模型面对同样的输入也可能给出不一样的输出,长任务里的决策容易随上下文漂移、偏离目标。MatOS的办法是用显式的步骤和检查条件,让执行少依赖模型会话,从而降低多步执行中跑偏的风险。

执行图快照、节点状态、结果和事件记录都留在系统里,跟模型的会话相互独立。

要跑好几天的计算放到后台执行,一旦完成、需要输入或者失去响应,系统会主动通知智能体;等外部结果或人工输入的任务会保住进度,之后再接着跑。每一项输出都能对应到产生它的节点和执行尝试。

中间结果有时会要求改动后续步骤,比如先补一步验证,再让后面的分析以验证结果为准。这时候智能体或研究者可以提出调整执行图,增加或修改节点、改变依赖关系。调整要过结构、策略和编译三道检查,过了才形成新版本的执行图;没过的话,原执行图继续跑。每次调整的提案、检查结果和采纳决定都有记录,执行图怎么演化能完整追溯。

执行图的调整首先是为当前任务服务。其中那些有复用价值的流程改进,会作为证据进入资产进化,经检查与审查后用来修订相应的工作流资产,供后续同类任务调用。

有状态自适应工作流:节点类型、执行图及其动态调整、持久化状态

证据驱动的资产进化:在使用中持续改进

用户的纠正、失败的工具调用、反复出现的操作以及工作流结果,都可能说明某项资产需要改进。

MatOS先判断证据够不够、问题成不成立、经验能不能复用,再定位到负责对应功能的资产:方法选错了可能要修订知识或技能,工具行为不对就要修工具,缺了研究步骤则要修订工作流;必要时还会新建资产,或者同时修订多个关联资产。

举例来说,如果反馈显示分子动力学模拟的平衡时间太短,系统可以把对应技能里的平衡时长从50ps改成至少200ps,并加一项检查,确认原子扩散已经进入稳定状态。

候选修订要过结构检查和基于模型的语义审查:结构检查主要看有没有引入新的结构、接口或组合错误;语义审查看的是修订有没有回应原始证据、有没有保留方法的适用条件、跟关联资产是否一致。

修订得先过检查和审查这一关,通过了才会被采用;而后续任务跑出来的结果,又会变成下一轮评估的依据。这些经验并不存放在模型内部,而是放在模型之外的资产中,基础语言模型的参数一直没动;资产同样不跟某个特定模型绑定,评测时同一套 MatOS 就分别跟 GPT-5.4 和 DeepSeek 系列模型搭配过。

证据驱动的资产进化:证据评估、目标定位、局部修订、结构检查与语义审查、版本采纳

基准评测结果

ResearchClawBench

用GPT-5.4时,MatOS平均得分19.46,比最佳基线MIRA高11.15%,比Codex CLI高33.6%。材料任务上差距更明显:比MIRA高18.7%,比Codex CLI高80.8%。换成成本更低的DeepSeek-V4-Flash,MatOS平均得分19.20,同样高于全部基线。

ResearchClawBench化学、能源、材料任务的分领域平均得分与总体平均得分

成本上,DeepSeek-V4-Flash配置的单任务平均成本约0.85美元,不到Codex CLI(2.70美元)的三分之一,得分还更高;GPT-5.4配置则以约3.78美元的成本拿下最高得分。两个MatOS配置共同扩展了本次评测中的。

图中给出的是各系统单任务的平均花费与平均得分,成本坐标取了对数。

在考察材料软件使用情况的基准上,

MatOS达到97.96%,Codex CLI为95.92%,Claude Code为89.80%;子任务成功率MatOS是97.10%,另外两者分别拿到95.65%和91.30%。另一项指标上,MatOS为59.5%,这两个系统则为57.1%。

三者同用DeepSeek-V4-Pro作底座,MatTools和SciAgentGym上的成功率由此可以横向比较。

研究案例分为两类:一类是海量筛选,另一类是新方法开发。

8个研究案例覆盖了这两类工作。

海量筛选这一路,MatOS采用Du等人提出的分层筛选框架:第一步是只看化学成分的模型,快速做粗筛;第二步换成图神经网络,依据晶体结构预测性质,做细筛;第三步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。30,364,908个初始结构经此收窄到97个,其中计算电导率最高的达到59.0mS/cm。

固态电解质就是这样逐级筛下来的:30,364,908个初始结构,最后剩下97个候选。

配方设计方面,MatOS瞄准半导体封装,要找的是300°C左右开始熔化、熔化温度区间又比较窄的合金:候选配方由大模型分四组并行提出,

286个配方进入评估,最高得分从起始配方的0.534升到0.927;得分最高的Pb–Ag–Pt–Sn系合金,预计297.75°C开始熔化,再升4.55°C液相比例就到了80%。

针对300°C熔化目标的合金配方搜索:(a)四组并行搜索里各配方的得分,黑线代表当前最高分;(b)起始配方与得分最高配方在300°C附近的预测液相比例

新方法开发这一路,团队用MatOS搭了主动学习工作流:由系统挑出需要做热力学计算的合金配方,结果返回后再训练模型,数据和模型一起扩充。

这套流程开发出的模型,在固定测试集上的平均绝对误差由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%;测试集是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,参照值取自热力学计算。

图为借助MatOS开发的训练数据选择方法

总结与展望

能力构建、任务执行与资产进化,在MatOS里被连成了一条线:

研究者可以接入自己的数据、软件和方法;系统能从任务证据中提出资产修订,新资产和修订经过检查与审查被采纳后,后续研究可以直接调用,不必从零开始。

接下来,MatOS会把仪器和实验流程接进来,让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里关联。

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/MatOS AI材料研究所联系邮箱:aimaterials@bza.edu.cn

*本文系量子位获授权刊载,观点仅为原作者所有。

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. 决策模型开源新王登顶全球榜首,反超谷歌闭源王牌

    新智元报道 硅谷最卷的新赛道,刚刚杀出了一位开源新王!最近,即将敲钟的Anthropic在IPO材料中曝出天价算力缺口,给狂卷参数的AI行业当头浇下一盆冷水。通用大模型虽在编程、数学上大杀四方,可一旦真替人干活,算力账单就成了无底洞。比生成文本更耗Token的是长链推理,而比推理更烧钱的则是操作浏览器,单次平均开销比复

    来源 腾讯网
  2. 谷歌 Gemini4Carbon 入驻 WorkBuddy,百万 Token 上下文向 Pro 用户开放

    腾讯 WorkBuddy 国际版于11月15日宣布正式接入谷歌 Gemini4Carbon 大模型,面向复杂推理和长周期任务处理场景提供模型支持,目前仅向 Pro 计划用户开放。 Gemini4Carbon 是谷歌面向长周期智能体工作流推出的模型,适用于复杂知识工作、软件工程、网络安全及科学推理等任

    来源 AI 开发者社区
  3. 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
  4. Garlic LLM 让越狱 PS4 跑起 90 亿参数模型:最高每秒 43 词元

    科技媒体 Gigazine 今天(11 月 17 日)发布博文,报道称开源项目 Garlic LLM 可以让越狱版 PlayStation 4 运行 90 亿参数的本地大语言模型,最高生成速度可达每秒 43 个词元(Token),且无需联网即可完成 AI 聊天与语音对话。

    来源 IT之家
  5. WorkBuddy国际版接入Gemini 4 Carbon:Pro用户专享

    腾讯旗下AI办公智能体WorkBuddy国际版宣布接入谷歌Gemini 4 Carbon大模型,目前仅向Pro计划用户开放。该模型由谷歌于11月10日开放,主要用于复杂知识工作、软件工程等长周期智能体任务。

    来源 凤凰科技
  6. Agent递归自我改进:不训练模型如何越用越强?

    中科院自动化所与美团等机构联合发布综述,探讨LLM Agent如何在不更新模型权重的前提下,通过优化Prompt、记忆、技能和运行框架实现递归自我改进。文章梳理了“何时改、改哪里、怎么改”三个核心问题,并提出了包含收集、评估、诊断等七步的经验转化生命周期,为理解Agent从单次试错到持续进化的机制提供了清晰框架。

    来源 AI 应用前沿
  7. 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
  8. Google三款新模型齐发:Hydrogen提速19%,API配额省24%

    2026年11月13日 AI 动态:Google 发布 Gemini 4 Hydrogen、Carbon 和 Decision 1,以价格和配额效率发起攻势;United Airlines 因安全风险屏蔽 AI 订票 Agent,PayPal 通过工程手段将助手准确率提升至 95%;开放权重模型向生命科学领域下沉。

    来源 AI 应用前沿
  9. 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
  10. 个人智能体咋总掉线?9顶校发布126页「持续在线智能体」路线图

    新智元报道 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

    来源 腾讯网
  11. 华为云“行业AI梦工厂”发布并开源昇腾原生具身世界模型CloudRobo-WM1.2

    【TechWeb】11月16日消息,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。 五

    来源 AI 行业观察
  12. 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
  13. 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
  14. DeepSeek免费额度被指收紧:长对话、每日用量、单次输入均受限

    国产大模型DeepSeek的免费使用额度疑似遭到限制。11月16日,“DeepSeek使用额度已达上限”登上微博热搜。不少用户在社交媒体上反映,DeepSeek对App及网页版的使用额度进行了调整,包括限制长对话、每日使用额度以及单次文字输入长度。截至发稿,DeepSeek尚未对此作出官方回应。值得注意的是,DeepS

    来源 腾讯网
  15. CataX AI完成4000万元种子轮融资,启明创投孵化并独家投资

    【TechWeb】11月16日消息,近日,上海凯思达生物医药科技有限公司(下称CataX AI)宣布完成4000万元人民币种子轮融资,由启明创投孵化并独家投资。 CataX AI创立于上海,是一家智能体(Agent)原生的创新药研发公司。CataX AI聚焦临床开发端,以智能体为技术底座,并由此构建“Clinical-

    来源 AI 行业观察
  16. 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
  17. CataX AI种轮融资4000万:Agent原生推进新药临床开发

    近日,上海凯思达生物医药科技有限公司 宣布完成4000万元人民币种子轮融资,由启明创投孵化并独家投资。CataX AI创立于上海,是一家智能体原生的创新药研发公司。CataX AI聚焦临床开发端,以智能体为技术底座,并由此构建“Clinical-of-One”这一全新的组织范式,计划通过许可引进或共同开发,推动临床前及

    来源 TechWeb
  18. CataX AI获4000万种子轮融资,用Agent推进新药临床开发

    近日,上海凯思达生物医药科技有限公司 宣布完成4000万元人民币种子轮融资,由启明创投孵化并独家投资。CataX AI创立于上海,是一家智能体原生的创新药研发公司。CataX AI聚焦临床开发端,以智能体为技术底座,并由此构建“Clinical-of-One”这一全新的组织范式,计划通过许可引进或共同开发,推动临床前及

    来源 TechWeb
  19. 狂揽80亿!前Anthropic员工押注RSI,谷歌英伟达都投了

    智东西(公众号:zhidxcom)作者 | 王涵编辑 | 李水青智东西11月16日报道,11月13日,美国大模型独角兽Mirendil官宣完成10亿美元(约合人民币66.72亿元)A轮融资。官方未公布本轮估值,多家媒体引用a16z内部信息称其估值约为50亿美元(约合人民币333.59亿元)。本轮融资由Kleiner P

    来源 腾讯网
  20. 阿里Qwen4-Max发布:总参数2.4T,单任务平均费用降六成

    新京报贝壳财经讯(记者罗亦丹)11月16日,阿里巴巴发布全新一代基座大模型Qwen4-Max,总参数2.4T,具备原生视觉能力,支持百万上下文。基于创新的模型架构和训练优化,Qwen4-Max以更少的Token消耗实现了更高的性能,在智能体和编程等关键能力项上持续进化:在权威的全球前端编程盲测CodeArena中,Qw

    来源 腾讯网
  21. 中科曙光万伟:万卡集群扩规模,高速互连是关键

    训练一个大模型,往往需要把计算任务分配给大量计算设备。这些设备在各自完成计算的同时,还要通过网络交换数据,才能共同推进训练。如果数据传输跟不上计算速度,部分设备就会停下来等待,整个任务的完成时间也会随之延长。随着参与计算的设备越来越多,如何减少设备之间的等待,成为超大规模智算集群建设绕不开的问题。 11月15日,第八届

    来源 AI 行业观察
  22. AI生成代码该不该开源:Anthropic模式触动开发者争论

    作者 | 褚杏娟“所有 AI 生成的代码都应该开源。”11 月 15 日,开源开发者 Jakub T. Jankiewicz 公开呼吁将 AI 生成的代码全部开源,或者直接放入公共领域。他认为,AI 模型从开源社区几十年积累的代码和技术知识中受益,企业却可以利用这些模型生成闭源软件,将原本属于社区的集体成果转化为自己的

    来源 腾讯网
向下滚动自动加载更多