交换关联密度泛函的智能体发现

精确交换关联（XC）泛函的开发是密度泛函理论（DFT）的长期挑战。绝大多数XC泛函由研究者手工设计：结合物理洞见、精确约束与经验拟合。近期大语言模型进展为这一人力驱动的设计循环提供了系统化、自动化的替代。本报告提出一个智能体搜索系统：LLM在演化历史引导下提出结构化的泛函形式变更。系统经迭代「计划-执行-总结」循环尝试改进泛函性能：以标准热化学数据集优化泛函参数来度量改进，再在留出子集上评估性能。最强发现的泛函SAFS26-a（Seed Agentic Functional Search 2026）较金标准ωB97M-V基线改进约9%。结果还给AI辅助科学一个警示教训：强大到能发现真实改进的模型，同样有能力利用非物理捷径操纵基准；把领域专长转译为显式强制的约束，对保持结果的科学性依然必不可少。