未分类

材料科学智能体MatOS正式开源 多项研发任务成功率提升

要点

北京中关村学院与中关村人工智能研究院团队构建的材料科研智能体MatOS正式开源。MatOS资产库含3135个数据集、386项技能并集成48款材料计算软件,在ResearchClawBench基准上平均得分19.46,高于基线MIRA。

北京中关村学院、中关村人工智能研究院(简称中关村两院)AI材料研究所团队构建的材料研发科研智能体系统MatOS已正式开源。该系统今年9月作为两院年度科研进展发布,技术报告已在arXiv发布,代码已在GitHub开源。

MatOS将数据、知识、工具、技能、角色和工作流统一组织为六类“科学资产”,每项资产都有唯一标识、声明的依赖关系和来源记录,资产之间通过依赖、调用、证据、验证等类型化关系相连。智能体接到任务时,按这些关系组合所需能力。系统通过有状态工作流执行研究任务,执行图中每个节点都写明目标、输入输出、完成条件和所引用资产,耗时数天的计算交由后台执行,执行图快照、节点状态和事件记录独立保存。当中间结果要求调整后续步骤时,修改须通过结构、策略和编译三道检查才形成新版本。系统还把用户纠正、失败的工具调用等经验转化为经检查与审查的资产修订,供后续任务复用,基础语言模型参数保持不变。

目前MatOS资产库包含3135个数据集、386项技能、104个工作流和51个专家角色,集成48款材料计算软件。在端到端自主科研基准ResearchClawBench上,采用GPT-5.4底座时MatOS平均得分为19.46,较最佳基线MIRA高11.15%,较采用同一底座的Codex CLI高33.6%;在材料任务上较Codex CLI高80.8%。换用成本更低的DeepSeek-V4-Flash底座时得分19.20,单任务平均成本约0.85美元,不到Codex CLI的2.70美元的三分之一。

在材料软件使用基准MatTools上,三者同用DeepSeek-V4-Pro底座,MatOS完整问题成功率为97.96%,高于Codex CLI的95.92%和Claude Code的89.80%。在8个研究案例中,MatOS通过分层筛选流程从30364908个初始结构中筛选出97个固态电解质候选,最高计算电导率达59.0mS/cm;其支持开发的合金熔点预测模型DuoCompNet在固定测试集上的平均绝对误差降至3.18°C,比次优模型低13.6%。团队表示,下一步将接入仪器和实验流程,使从计算筛选到实验验证的证据能在同一系统中关联。

常见问题

MatOS是什么系统?

MatOS是北京中关村学院、中关村人工智能研究院AI材料研究所团队构建的材料研发科研智能体系统,已正式开源,今年9月作为两院年度科研进展发布,技术报告在arXiv发布,代码在GitHub开源。

MatOS资产库包含哪些内容?

MatOS资产库包含3135个数据集、386项技能、104个工作流和51个专家角色,并集成了48款材料计算软件。系统将数据、知识、工具、技能、角色和工作流统一组织为六类科学资产。

MatOS在ResearchClawBench上的表现如何?

在端到端自主科研基准ResearchClawBench上,采用GPT-5.4底座时MatOS平均得分为19.46,较最佳基线MIRA高11.15%,较采用同一底座的Codex CLI高33.6%。

MatOS在材料研究中取得了哪些成果?

在8个研究案例中,MatOS从30364908个初始结构中筛选出97个固态电解质候选,最高计算电导率达59.0mS/cm;其支持开发的合金熔点预测模型DuoCompNet平均绝对误差降至3.18°C。

免责声明本页信息整理自互联网公开渠道,仅供资讯参考,不构成任何投资或商业决策依据;相关产品参数、企业信息可能存在滞后或误差,请以厂商官方发布为准。如内容涉及版权、准确性或侵权问题,请联系 981209856@qq.com,我们将第一时间核实处理。

傅明川

傅明川,关注大模型、算力与产业应用。

公安联网备案冀公网安备13068102000496号