T2MAT（文本到材料）：基于文本生成目标性能材料结构的通用智能体

摘要

人工智能生成内容(AIGC)——由AI系统无需人工干预自主生成的内容——已显著提升多个领域的效率。然而，材料科学中的AIGC技术面临双重挑战：既要高效发现超越现有数据库范围的新型材料，又需确保晶体结构的对称性与稳定性。为应对该挑战，我们开发了T2MAT(文本到材料)，这是一种端到端智能体，能够通过全面探索化学空间并结合全自动第一性原理验证，将用户输入的文本转化为超越现有数据库范围、具有目标性能的新型材料结构的逆向设计。此外，我们提出CGTNet(晶体图变换器网络)，这是一种专门用于捕捉长程相互作用的图神经网络，可显著提高性质预测的准确性和数据效率，从而增强逆向设计的可靠性。通过这些创新，T2MAT降低了对人类专业知识的依赖，加速了高性能功能材料的发现，为真正全自动的材料设计铺平了道路。

关键词

智能体 / 材料设计 / 大语言模型 / 生成式模型 / 图神经网络