摘要
大型语言模型（LLM）具备模拟推理和使用工具的能力，为执行复杂科学任务的自主智能体创造了机遇。蛋白质设计是一个天然的测试平台，尽管机器学习方法在此领域表现优异，但多局限于标准氨基酸和狭窄目标。本文介绍了 Agent Rosetta，这是一个将 LLM 与结构化环境配对的智能体，用于操作领先的基于物理的杂聚物设计软件 Rosetta，能够建模非标准构建块和几何结构。Agent Rosetta 通过迭代优化设计以实现用户定义的目标，结合了 LLM 的推理能力与 Rosetta 的通用性。评估结果显示，其在标准氨基酸设计上媲美专用模型，而在机器学习方法失效的非标准残基设计上亦表现出相当的性能。研究表明，精心设计的环境对于整合 LLM 智能体与专用软件至关重要。
AI 推荐理由
论文核心在于构建 Agent 调用专业科学软件 Rosetta 的能力，重点解决工具集成与环境交互问题。
研究机构
Polymathic AI Collaboration
Center for Computational Biology, Flatiron Institute
Simons Foundation
New York University
Johns Hopkins University
论文信息