ToPolyAgent: AI Agents for Coarse-Grained Topological Polymer Simulations
Lijie Ding, Jan-Michael Carrillo, Changwoo Do
我们介绍了ToPolyAgent,一个多智能体AI框架,用于通过自然语言指令对拓扑聚合物进行粗粒度分子动力学(MD)模拟。 通过将大型语言模型(LLM)与特定领域的计算工具集成,ToPolyAgent支持跨各种聚合物架构的交互式和自主仿真工作流程,包括线性、环、刷和星聚合物以及树皮。 该系统由四个LLM驱动的代理组成:用于生成初始聚合物溶剂配置的配置代理,用于执行基于LAMMPS的MD模拟和构象分析的模拟代理,用于编译标记报表的报告代理,以及用于简化自主操作的工作流程代理。 交互式模式集成了用户反馈循环,用于迭代改进,而自主模式则从详细的提示中实现端到端任务执行。 我们通过案例研究证明了ToPolyAgent的多功能性,涉及不同溶剂条件下,温度计和模拟长度的多种聚合物结构。 此外,我们通过指导它研究相互作用参数对线性聚合物构象的影响以及嫁接密度对刷聚合物的持久性长度的影响来突出其作为研究助理的潜力。 通过将自然语言接口与严格的模拟工具耦合,ToPolyAgent降低了复杂计算工作流程的障碍,并在聚合物科学中推进了人工智能驱动的材料发现。 它为自主和可扩展的多智能科学研究生态系统奠定了基础。
We introduce ToPolyAgent, a multi-agent AI framework for performing coarse-grained molecular dynamics (MD) simulations of topological polymers through natural language instructions. By integrating large language models (LLMs) with domain-specific computational tools, ToPolyAgent supports both interactive and autonomous simulation workflows across diverse polymer architectures, including linear, ring, brush, and star polymers, as well as dendrimers. The system consists of four LLM-powered agents:...
