CGMas: Framework AI Multi-Agente Automatizza la Modellazione Coarse-Grained dei Polimeri

Un nuovo sistema multi-agente chiamato CGMas è stato introdotto in un preprint disponibile su arXiv (arXiv:2608.06694), che semplifica la creazione di modelli di dinamica molecolare coarse-grained (CG) per polimeri. Utilizzando un agente di ragionamento basato su un grande modello linguistico (LLM), deduce la topologia all-atom (AA) da una descrizione in linguaggio naturale del polimero e della sua risoluzione desiderata. Il framework impiega un processo di autocorrezione a strati per affrontare le imprecisioni fisiche spesso presenti in polimeri insaturi, ricchi di eteroatomi e polari. Agenti aggiuntivi gestiscono compiti come l'equilibrazione, la mappatura della rappresentazione CG, la derivazione del potenziale tramite inversione di Boltzmann e il benchmarking rispetto a riferimenti atomistici. CGMas ha superato con successo tutti i 27 scenari di test, dimostrando il suo potenziale per automatizzare il processo di modellazione CG tradizionalmente laborioso. Questo avanzamento potrebbe migliorare notevolmente la ricerca sulla simulazione dei polimeri, facilitando indagini più rapide sulle caratteristiche dei polimeri oltre gli approcci all-atom. Il preprint è stato rilasciato come nuovo su arXiv con l'identificatore 2608.06694v1.