A PolyJarvis már mondatokból jósol polimer tulajdonságokat
A PolyJarvis egy LLM-et és a RadonPy szimulációs platformot kapcsolja össze MCP szervereken keresztül, így automatizálja a teljes előrejelzési folyamatot.
A PolyJarvis egy új ügynökmodell, amely molekuláris dinamikai (MD) szimulációkkal jósol polimertulajdonságokat, mindezt természetes nyelvi bemenet alapján — írja az ArXiv NLP.
A rendszer automatikusan hajtja végre a monomer-konstrukciót, a töltés-hozzárendelést és a polimerizációt. Emellett gondoskodik az erőtérelmélet-paraméterezésről, a GPU-gyorsított egyensúlyba hozásról, valamint a tulajdonságszámításról is.
A fejlesztők polietilén (PE), ataktikus polisztirol (aPS), poli(metil-metakrilát) (PMMA) és poli(etilénglikol) (PEG) anyagokon validálták a PolyJarvis képességeit. Az aPS és PMMA esetében a sűrűség-előrejelzések 0,1–4,8%-on belüli eltérést mutattak, míg a térfogati modulusz 17–24%-os pontosságú volt a referenciaértékekhez képest.
A MD-szimulációkhoz eddig specializált szakértelemre volt szükség az erőtér kiválasztásában, a rendszer felépítésében és az adatok kinyerésében. A PolyJarvis célja, hogy ezt a bonyolult folyamatot teljesen automatizálja.