Resumen:Presentamos ToPolyAgent, un marco de IA de múltiples agentes para realizar simulaciones de dinámica molecular (MD) de grano grueso de polímeros topológicos a través de instrucciones en lenguaje natural. Al integrar modelos de lenguaje grande (LLM) con herramientas computacionales de dominio específico, ToPolyAgent admite flujos de trabajo de simulación interactivos y autónomos en diversas arquitecturas de polímeros, incluidos polímeros lineales, de anillo, de cepillo y de estrella, así como dendrímeros. El sistema consta de cuatro agentes impulsados por LLM: un agente de configuración para generar configuraciones iniciales de polímero-solvente, un agente de simulación para ejecutar simulaciones MD basadas en LAMMPS y análisis conformacionales, un agente de informes para compilar informes de rebajas y un agente de flujo de trabajo para operaciones autónomas optimizadas. El modo interactivo incorpora bucles de retroalimentación del usuario para mejoras iterativas, mientras que el modo autónomo permite la ejecución de tareas de un extremo a otro a partir de indicaciones detalladas. Demostramos la versatilidad de ToPolyAgent a través de estudios de casos que involucran diversas arquitecturas de polímeros bajo diferentes condiciones de solvente, termostatos y longitudes de simulación. Además, destacamos su potencial como asistente de investigación al dirigirlo a investigar el efecto de los parámetros de interacción en la conformación lineal del polímero y la influencia de la densidad del injerto en la longitud de persistencia del polímero en cepillo. Al combinar interfaces de lenguaje natural con rigurosas herramientas de simulación, ToPolyAgent reduce las barreras a los flujos de trabajo computacionales complejos y avanza en el descubrimiento de materiales impulsados por IA en la ciencia de los polímeros. Sienta las bases para ecosistemas de investigación científica de múltiples agentes autónomos y extensibles.
Publicado originalmente en export.arxiv.org el 14 de octubre de 2025.
Ver fuente original
