面向聚合物自动化粗粒化分子动力学的多智能体框架

摘要

粗粒化（CG）分子动力学将聚合物模拟扩展到全原子（AA）方法无法触及的尺度，但自下而上的CG建模十分繁琐。CG分辨率是一种设计选择，因此通常不存在可迁移的参数集，势函数需为每种聚合物映射重新推导。我们提出CGMas，一个多智能体框架，可从聚合物与目标分辨率的自然语言描述出发，自动化拓扑构建、平衡、映射、势函数推导与验证。一个大语言模型（LLM）推理智能体从聚合物名称推断AA拓扑，分层自校正则解决不饱和、含杂原子与极性聚合物中常见的物理错误。下游智能体平衡体系、将其映射到CG表示、通过Boltzmann反演推导势函数，并对照其原子参考对该模型进行基准测试。CGMas完成了全部27个均聚物与共聚物任务，其中22个的密度与AA结果误差在5%以内，并将模拟时间从38-88分钟缩短到1分钟，确立了agentic LLM作为聚合物粗粒化自动化路径的地位。

面向聚合物自动化粗粒化分子动力学的多智能体框架：论文配图 — 图1：a 使用CGMas自动化聚合物粗粒化的示意图。用户通过对话界面在四项任务中与CGMas交互，包括全原子、势生成、粗粒化与分析验证。给定聚合物名称和目标分辨率，CGMas生成原子模型、珠粒映射、CG势参数和热力学性质，从而在多种聚合物化学体系中实现自动化CG模型构建。b CGMas概览，这是一个多智能体框架，其中负责拓扑生成、审查、映射、模拟、分析和验证的推理智能体执行化学推断与质量控制，而确定性工具则执行分子模拟、分布分析、Boltzmann反演和性质计算。生成器—审查者反馈回路在拓扑构建与势生成过程中纠正错误，随后对CG模型及其预测性质进行验证。