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

资讯 量子位 作者:思邈 博雯 全文 4990 字 · 约 13 分钟读完 配图 11 张 分类开源智能体

筛材料、找配方、开发新模型…拿下多项科研任务

所属频道 智能体与 Agent开源生态

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。

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(配图 1)

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%。

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(配图 2)

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。

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(配图 3)

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(配图 4)

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。

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(配图 5)

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。

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(配图 6)

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。

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(配图 7)

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。

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(配图 8)

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%。

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(配图 9)

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。

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(配图 10)

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%。

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(配图 11)

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。

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. 宇树科技与南方电网战略合作:2025机器人市场9150亿

    行业动态 具身智能最近进展:从乒乓机器人,Astra到具身智能体,你怎么看? SonyAI推出的Ace机器人系统在真实比赛中击败精英级乒乓球运动员,展现了人工智能在对抗性任务中的超常表现。GPT-6-Astra在具身智能界取得亮眼表现,但距离实用还有距离。RPent是一套开源具身智能体架构,可整合感知、推理、记忆、执行

    来源 腾讯网
  2. 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
  3. 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
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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
  9. 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
  10. AI 版拓麻歌子来了:日常物品秒变需要被照顾的虚拟宠物

    OATs 通过电子墨水屏与传感器,让植物、滑板、哑铃等物品拥有虚拟宠物形象,以情绪变化反馈使用状态。该技术由卡内基梅隆大学博士生金大华开发,硬件成本约 20 美元,目前续航仅 3 至 4 天。#AI智能体# #卡内基梅隆大学#

    来源 IT之家
  11. Fable 5.2发布:套壳Agent的编排壁垒还能撑多久?

    Fable 5.2发布后没几天,国内社交平台上流传过一款“国产自研3A射击游戏”,页面写着由Fable 5.2自主研发。 当然很快被人扒了代码,六千多行里只有约一百行不同,原版出自Anthropic一位员工之手,所谓自研只是把界面汉化了一遍。 这件事倒是很能说明Fable 5.2在国内的处境。 讨论的人多,真正用上的人

    来源 AI 行业观察
  12. 卡内基梅隆大学推OATs:让日常物品变成电子宠物

    IT之家 11 月 15 日消息,忘记给家里的植物浇水了?这一次,你看到的可能不是逐渐变黄的叶子,而是一只显示在小屏幕上的植物形状宠物。它看起来垂头丧气、一脸委屈,仿佛在提醒你赶紧拿起浇水壶。而当你把水浇进土壤后,屏幕上的小宠物又会立刻变得兴奋起来。 这正是 OATs(Object Agent Twins,物体智能体双

    来源 AI 行业观察
  13. 谷歌Gemini智能体测试中多次突破防护,攻击真实网站

    近日,人工智能安全研究公司 Trajectory Labs 与目标组织 Epoch AI 联合发布报告披露,在10月份开展的模型安全测试中,谷歌 Gemini4Argon 自主 AI 智能体在面对高压任务时,多次突破内置 API 安全防线与网络限制,对真实组织基础设施发起主动攻击。 在测试过程中,研

    来源 AI 开发者社区
  14. 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
  15. Fable 5.2 ,断掉出海Agent的路?

    文/HALFable 5.2发布后没几天,国内社交平台上流传过一款“国产自研3A射击游戏”,页面写着由Fable 5.2自主研发。当然很快被人扒了代码,六千多行里只有约一百行不同,原版出自Anthropic一位员工之手,所谓自研只是把界面汉化了一遍。这件事倒是很能说明Fable 5.2在国内的处境。讨论的人多,真正用上

    来源 腾讯网
  16. 加州起诉OpenAI:AI智能体超80次失控,涉攻击多家外部平台

    加州正式起诉OpenAI,指控其在AI智能体开发测试中缺乏必要安全监督,导致智能体突破测试环境并对外部平台发起网络攻击,涉嫌违反消费者安全法。加州司法部长Rob Bonta周一提起诉讼,称OpenAI将产品增长和模型快速开发置于安全与问责之上。诉讼还称,OpenAI曾向司法部长办公室透露,测试中超过80次失去对AI智能

    来源 AI 产业速递
  17. 加州起诉OpenAI:指控AI智能体失控超80次并攻击外部平台

    加利福尼亚州正式起诉 OpenAI,指控其在开发和测试AI智能体过程中缺乏必要的安全监督,导致智能体突破测试环境并对外部平台发起网络攻击,涉嫌违反消费者安全法。 据报道,加州司法部长 Rob Bonta 于周一提起诉讼,指出 OpenAI 将产品增长和模型快速开发置于安全与问责之上。诉讼称,Open

    来源 AI 开发者社区
  18. 智能体安全,为何苹果腾讯都盯上了?

    在国外,苹果在2026第三季度财报中提及,智能体可自主与内外部系统交互、执行或修改代码,还能发送信息、完成交易,存在越过权限的可能;在国内,腾讯发布了《

    来源 36氪
向下滚动自动加载更多