面向领导级系统高通量材料筛选的多智能体编排

本文针对大规模模拟中单智能体架构的序列化瓶颈，提出一种可扩展的分层多智能体框架。该框架采用“规划器 - 执行器”架构，由中央规划智能体动态划分工作负载，并将子任务分配给并行执行智能体群。所有执行器通过共享模型上下文协议服务器接口，利用 Parsl 工作流引擎协调任务。在 Aurora 超级计算机上对金属有机框架数据库的高通量筛选实验表明，该框架具有低编排开销和高任务完成率，为 HPC 系统上的 LLM 驱动科学自动化建立了灵活范式。