Agente LLM Autonomo Supera i Modelli Esperti nella Predizione del Band-Gap dei Cristalli

Un agente di codifica generico, basato su un grande modello linguistico, ha sviluppato autonomamente il modello di machine learning più accurato per la previsione dei band-gap cristallini sul benchmark MatBench, superando tutti i diciassette modelli progettati da esperti. Il successo dell'agente deriva dall'implementazione di tecniche note, tra cui caratteristiche di coppie di elementi sui bordi del message-passing e un embedding del gruppo spaziale del cristallo, piuttosto che dall'invenzione di nuovi metodi. Questo risultato evidenzia il potenziale dei cicli di ricerca autonomi nella scienza dei materiali, dove gli agenti AI possono esplorare e applicare efficacemente conoscenze consolidate per ottenere risultati all'avanguardia. Il lavoro è stato dettagliato in un articolo su arXiv (2606.29717), che discute anche le implicazioni per la scoperta scientifica automatizzata. Il benchmark, contenente oltre 100.000 cristalli, fornisce un banco di prova standardizzato per tali agenti autonomi, e le prestazioni dell'agente dimostrano la crescente capacità dell'AI di contribuire in modo significativo alla scienza computazionale dei materiali.