MatOS开源:材料研发智能体成功率达97.96%,筛选出97个固态电解质
筛材料、找配方、开发新模型…拿下多项科研任务
找配方、筛材料、开发新模型,这些科研任务MatOS都能接。
量子位公众号QbitAI消息。
检索文献、调用模拟软件,甚至和自动化实验室配合干活,大模型智能体现在都能做。可要让它独自跑完一整项材料研究,还是不容易。
比如一项研究得从数千万个候选结构里一层层筛,或者在数百个合金配方中来回试,一跑就是好几天,中间还得根据结果改计划。每接一个新数据库或新软件,流程常常要重搭一遍。上次研究攒下的经验,换个课题也很难用上。
针对这些难点,北京中关村学院、中关村人工智能研究院(中关村两院)今年九月发布了年度科研进展MatOS。这是一个面向材料研发的科研智能体系统。
系统由中关村两院AI材料研究所团队打造。数据、知识、工具、技能、角色和工作流被统一组织成科学资产,研究者和MatOS自己都能在这些资产上搭新能力;执行研究任务靠有状态工作流,经过检查与审查的资产修订会留给后续研究使用。科研能力就这样在用中不断进化。
眼下MatOS资产库里有3,135个数据集、386项技能、104个工作流、51个专家角色,还集成了48款材料计算软件。技术报告已发在arXiv,代码已在GitHub开源。

3项智能体基准、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、新方法开发等多类任务。
端到端自主科研基准ResearchClawBench上,用同一底座模型,MatOS平均得分比Codex CLI高33.6%,材料任务高出80.8%。
材料软件使用基准MatTools上,底座模型相同时,MatOS完整问题成功率达到97.96%,在Codex CLI、Claude Code三者中排第一。
它搭了一套层次化筛选流程,从3000多万个候选结构中筛出97个固态电解质候选。
合金熔点预测模型DuoCompNet的开发也有MatOS支持,固定测试集上平均绝对误差降到3.18°C,比次优模型低13.6%。

从答问题到做研究,再到源源不断产出高质量科学资产。
ChemCrow、LLaMP等工作让大模型能调用专业工具,MARS等系统把智能体和自动化实验接了起来。科研智能体正从回答问题转向开展研究。
材料研究对智能体系统提了三方面要求。
数据库、模拟软件、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)层出不穷,系统得不用重建就能接入新能力。
研究要跨文献分析、计算和实验,系统得在长周期任务里保存状态、核查结果。
模拟时长、采样策略这类经验多半来自实践,系统要存得住,还要在后面的任务里真正用起来。
对此MatOS给出三大设计:分层科学资产图负责组织和扩展研发能力,有状态自适应工作流调用资产执行任务并留存证据,证据驱动的资产进化把可复用经验转成经过检查与审查的资产修订。
这是MatOS的整体架构:分层科学资产图、有状态的自适应工作流、证据驱动的资产进化。
三大设计,分别管构建、执行和进化。
先看分层科学资产图,它把已有能力组合起来,再搭出新能力。
MatOS把数据、知识、工具、技能、角色和工作流归成六类科学资产。
每一类资产都带独立标识、明示的依赖关系和来源出处,内容既可直接存放,也能引用外部数据库或计算软件。
资产间以依赖、调用、证据、验证等有类型的关系彼此连接,智能体拿到任务后,就沿着这些关系把需要的能力拼起来。
技能对应某一类研究问题的操作规范,写明何时启用、怎样挑选方法、需要什么前提、如何执行、怎么核查结果;角色是依据职责说明和可调用资产界定的专家智能体;工作流则说明多个研究阶段之间怎样衔接。一项技能可供多个角色调用,一个角色也能参与不同的工作流。
无论是研究者还是MatOS本身,都能在已有资产之上搭出新的能力。
研究者可以把数据库、软件或方法登记成资产,再按接口与依赖关系把它们组织为技能、角色或工作流;MatOS也能根据任务证据新建或修订资产,经检查与审查后留给后续任务复用。资产的使用与修订都会留下记录,每次改进都可追溯。

MatOS 对科学资产做了怎样的组织:(a)资产共六类,分别归到四个语义层,抽象程度由低到高,数据、知识、工具、技能往上逐层推进,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,再把它们组合到一起。
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,具体一次研究则依靠执行图来运行。执行图的每个节点都标明目标、输入输出、完成条件和引用的资产。系统按图调度、按图检查,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,需要研究者确认的步骤可设成人工节点。
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因此用显式步骤和检查条件,减少执行过程对模型会话的依赖,降低多步执行偏离研究目标的风险。
执行图快照、节点状态、结果和事件记录都存在系统里,与模型的会话相互独立。
要跑上几天的计算交给后台执行,一旦完成、需要输入或失去响应,系统会主动通知智能体;等待外部结果或人工输入的任务会保住进度,之后再接着跑。每一项输出都关联到产生它的节点和执行尝试。
中间结果可能要求改动后续步骤,比如先补一步验证,再让后续分析以验证结果为准。此时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,通过后生成新版本的执行图;没通过,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,执行图的演化过程可完整追溯。
执行图的调整先服务当前任务。其中具备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对应的工作流资产,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:方法选择错了,可能要修订知识或技能;工具行为错了,要修工具;缺研究步骤,则要修订工作流;必要时还会新建资产,或同时修订多个关联资产。
比如反馈显示分子动力学模拟的平衡时间过短,系统可以把对应技能中的平衡时长由50ps改为至少200ps,并加一项检查,确认原子扩散已进入稳定状态。
候选修订要过结构检查和基于模型的语义审查:结构检查主要看是否引入新的结构、接口或组合错误;语义审查则看修订是否回应了原始证据、是否保留方法的适用条件、是否与关联资产保持一致。
只有过了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。这些经验存放在模型之外的资产里,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。
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要求系统依据文献和原始数据开展研究并提交报告。团队挑了化学、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的科研智能体做比较。
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在化学、能源、材料三个领域的平均得分,以及总体平均得分,均已列出。
再看花费。DeepSeek-V4-Flash配置跑一个任务平均约0.85美元,不到Codex CLI(2.70美元)的三分之一,分数却更高;GPT-5.4配置花掉约3.78美元,拿到全场最高分。两套MatOS配置一起把这次评测的成本—得分帕累托前沿往外推了一截——所谓帕累托前沿,就是在多个目标之间找一组各有取舍、但没有哪个方案能被其他方案全面压过的选择。
图中给出各系统的单任务平均成本与平均得分,成本轴为对数坐标。
材料软件使用基准MatTools和多步工具调用基准SciAgentGym上,MatOS、Codex CLI、Claude Code三套系统统一用DeepSeek-V4-Pro做底座。
成绩如下:MatTools完整问题成功率MatOS为97.96%,Codex CLI是95.92%,Claude Code是89.80%;子任务成功率MatOS为97.10%,另两家分别是95.65%和91.30%。SciAgentGym上,MatOS案例成功率59.5%,高于另外两套系统的57.1%。
图中所列为三套系统在MatTools和SciAgentGym上的成功率,底座同为DeepSeek-V4-Pro。
研究案例:从大规模筛选到新方法开发
8个研究案例涉及机器学习势、固态与液态电解质、合金等材料方向,还延伸到流体力学;任务类型涵盖大规模筛选、分子模拟、配方设计和新方法开发。
大规模筛选这一块,MatOS用的是Du等人提出的分层筛选框架。第一步靠只输入化学成分的模型快速粗筛,第二步换成依据晶体结构预测性质的图神经网络细筛,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,最终筛出97个固态电解质候选,计算电导率最高到59.0mS/cm。
固态电解质逐级筛选的示意:30,364,908个初始结构,最后收窄到97个候选。
配方设计面向半导体封装,要找的是在300°C左右开始熔化、且熔化温度区间较窄的合金。大模型分四组并行给出候选配方,代理模型(一种快速近似计算的模型)预测每个配方在不同温度下固相与液相的比例,评分结果再指导下一轮搜索。
评估的286个配方里,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,升温4.55°C后液相比例就到80%。

300°C熔化目标的合金配方搜索示意:(a)四组并行搜索里,各个配方的得分情况,黑线代表当前最高分;(b)在300°C附近,起始配方和得分最高配方的预测液相比例。
新方法开发方面,团队用MatOS搭了主动学习工作流:系统挑出需要做热力学计算的合金配方,计算结果返回后再训练模型,数据和模型同步扩充。
这条流程里开发出的DuoCompNet,用来预测含锡合金从开始熔化到完全熔化的温度区间中点。训练数据越积越多,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126万个结构中挑出10万个用于训练机器学习势;同样数据量下,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把能力构建、任务执行与资产进化串在了一起。
研究者能接入自己的数据、软件和方法;系统可以从任务证据中提出资产修订,经过检查与审查后采纳的新资产和修订,就成了后续研究能直接调用的能力,新一轮研究不必从零开始。
接下来,MatOS会接入仪器和实验流程,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/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。