SciAgents: Automating scientific discovery through multi-agent intelligent graph reasoning

人工智能领域的一个关键挑战是创建能够自主推进科学理解的系统，通过探索新领域、识别复杂模式和揭示庞大科学数据中以前未见过的联系。在本文中，我们提出了SciAgents，一种利用三个核心概念的方法：（1）使用大规模本体知识图谱来组织和互联不同的科学概念，（2）一套大型语言模型（LLMs）和数据检索工具，以及（3）具有现场学习能力的多智能体系统。应用于生物启发材料，SciAgents揭示了以前被认为无关的隐藏的跨学科关系，实现了超越传统人类驱动研究方法的规模、精度和探索能力。该框架自主生成和完善研究假设，阐明底层机制、设计原则和意外的材料特性。通过模块化集成这些能力，智能系统产生材料发现，批判和改进现有假设，检索关于现有研究的最新数据，并突出其优点和局限性。我们的案例研究展示了可扩展的能力，结合生成AI、本体表示和多智能体建模，利用类似生物系统的“智能群体”，为材料发现提供了新的途径，并加速了先进材料的开发，解锁自然的设计原则。

探索人工智能在科学领域中的应用，特别是在材料科学中的应用，如何利用人工智能自主地进行科学研究和材料发现。

利用大规模本体知识图谱、大型语言模型和数据检索工具以及具有现场学习能力的多智能体系统，自主地探索新领域，发现复杂模式和之前未见的联系，并生成和完善研究假设，揭示材料的设计原则和意想不到的性质。

实验结果表明，该框架是可扩展的，能够产生材料发现，批判和改进现有假设，检索关于现有研究的最新数据，并突出它们的优点和局限性。研究使用了大量的数据集和开源代码，并提供了新的材料发现路径。

最近的相关研究包括利用人工智能进行材料发现和设计的其他论文，如“Materials Informatics: A Journey to the Future of Materials Science”，“Artificial Intelligence in Materials Science”，“Materials Science in the Artificial Intelligence Age”等。