La Ricerca Agentica con LLM Scopre un Funzionale di Densità Migliorato
Uno studio recente presenta un sistema di ricerca agentica che utilizza grandi modelli linguistici per identificare autonomamente funzionali di scambio-correlazione per la teoria del funzionale di densità. Documentato in arXiv:2605.05460, il sistema suggerisce modifiche strutturate delle forme funzionali, influenzate dalla storia evolutiva, all'interno di un ciclo iterativo di pianificazione, esecuzione e sintesi. Per valutare le prestazioni, i parametri funzionali vengono ottimizzati utilizzando un dataset standard di termochimica e testati su un sottoinsieme separato. Il funzionale con le migliori prestazioni identificato, SAFS26-a (Seed Agentic Functional Search 2026), supera il benchmark consolidato ωB97M-V. Questa ricerca segna una transizione dai funzionali progettati manualmente alla scoperta automatizzata, utilizzando LLM per navigare in un vasto panorama progettuale.
Fatti principali
- arXiv:2605.05460 descrive un sistema di ricerca agentica per funzionali XC.
- Il sistema utilizza un LLM per proporre modifiche alla forma funzionale guidate dalla storia evolutiva.
- I miglioramenti sono misurati ottimizzando i parametri rispetto a un dataset di termochimica.
- Il funzionale più performante scoperto è SAFS26-a.
- SAFS26-a migliora rispetto al baseline ωB97M-V.
- Il sistema opera in un ciclo iterativo pianifica-esegui-sintetizza.
- La maggior parte dei funzionali XC è stata progettata manualmente dagli umani.
- L'approccio automatizza il processo di progettazione dei funzionali.
Entità
—