Monte Carlo Tree Search Neuro-Symbolic Materials Science Multi-Agent Planning
摘要

针对化学配方自动化设计中高维组合空间导航难题,本文提出 AI4S-SDS,一个闭环神经符号框架。该系统整合多智能体协作与定制蒙特卡洛树搜索(MCTS)引擎,通过稀疏状态存储与动态路径重构机制解耦推理历史,实现固定令牌预算下的深度探索。此外,采用全局 - 局部搜索策略及可微物理引擎,有效桥接符号推理与物理可行性,显著提升了探索多样性并在光刻实验中发现了新型配方。

AI 推荐理由

论文核心提出基于 MCTS 的规划框架,包含动态路径重构与全局局部搜索策略。

研究机构
南京大学计算机学院 novel software technology state key laboratory 苏州实验室 上海人工智能实验室
论文信息
作者 Jiangyu Chen
发布日期 2026-03-04
arXiv ID 2603.03686
相关性评分 9/10 (高度相关)