8月18日消息，arXiv网站公布的一篇新预印本论文（编号2608.15900，材料科学类）展示了大语言模型驱动智能体在晶体结构设计中的能力。论文由Le Dinh-Khiet、Ha Minh-Quyet、Dam Hieu-Chi等作者完成。

论文指出，数据驱动材料发现擅长插值而弱于外推，很少能触达全新结构类型。研究团队提出的MatEvolve是一个智能体AI框架：智能体以可解释的"基元语言"进行推理——将每个晶体写为描述其组成重复几何模式的基元谱（motif profile）；基元谱不仅是材料的描述，更是设计的媒介：智能体编辑谱图、由修改后的谱重建晶体，最有希望的候选再经第一性原理计算验证，全程每一步候选方案均附带明确的设计依据。

在稀土减量永磁体设计任务上，MatEvolve在同等验证预算下，触达全新结构原型的频率是生成模型的三倍以上，同时保持相当的靶材命中率。框架基于最先进语言模型构建、无需微调。团队还通过对所发现晶体的人类可读谱分析，提炼出新的构效关系。

稀土永磁体是风电、电动车电机的关键材料，镝、铽等重稀土供应集中且昂贵，"减稀土"设计是全球材料计算的焦点难题。该工作表明，以可解释中间语言为媒介的智能体工作流，有望突破生成模型对已知结构分布的路径依赖。 （来源：arXiv）