MDForge：稀疏仿真器反馈下的智能体分子动力学管线设计

摘要

分子动力学 (MD) 是原子分子科学的经典计算机模拟方法，根据第一原理物理学模拟分子行为。为新系统设计 MD 管道需要大量的专业知识：即使在一个分子上运行它也很昂贵，排除了反复试验的可能性。我们通过大语言模型代理将这一专业的管道设计流程自动化。与编排预定义工具集的现有 MD 代理不同，我们将管道设计视为开放式代码生成，其中代理的行为通过口头奖励在线重塑。具体来说，我们构建了 MDForge，一个 LLM 代理，其上下文更新规则通过物理专家之间的多代理辩论来密集化稀疏奖励。在三个 SAMPL 主客体结合自由能基准上，MDForge 自动设计与人类专家竞争的 MD 管道。其 CB[7] 管道部署在看不见的候选客体库上，发现了一种新型结合剂，湿实验室竞争 NMR 证实该结合剂是一种高亲和力、皮摩尔的 CB[7] 结合剂。我们的数据和代码可在 https://github.com/Zehong-Wang/MDForge 获取。

MDForge：稀疏仿真器反馈下的智能体分子动力学管线设计：论文配图 — 图 1：MD 管道设计的三种范例。 (a) 人类专家亲自挑选每个阶段并迭代修改。 (b) 现有的 MD 设计 LLM 代理调用固定的 MD 工具箱，没有运行时反馈。 (c) MDForge 将管道作为代码发出，并通过 PRISM 对其进行改进，PRISM 是针对每阶段诊断的多专家辩论，返回类型化的评论。