摘要
密度泛函理论(DFT)是材料科学的基石,但其实际执行需协调复杂的多步工作流。现有工具及基于大语言模型的方案仅能自动化部分步骤,缺乏全流程支持、多样化任务适应能力及精度 - 成本权衡优化。为此,我们提出 TritonDFT,这是一个多智能体框架,通过专家策划的可扩展工作流设计、帕累托感知参数推断及多源知识增强,实现高效准确的 DFT 执行。此外,我们引入 DFTBench 基准,评估智能体在科学专业知识、权衡优化、高性能计算知识及成本效率等多维度的能力。
AI 推荐理由
论文核心在于多智能体框架协调复杂的多步 DFT 工作流,涉及任务分解与规划。
研究机构
加州大学洛杉矶分校
论文信息