PulseAugur
中
实时 02:35:07
English(EN) MLIPilot: LLM-Driven Auto-Research for Machine-Learned Interatomic Potentials

LLM智能体通过物理评分卡实现MLIP研究自动化

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了MLIPilot，一个利用大型语言模型优化机器学习原子间势能的自动化研究框架。该系统利用LLM提出假设、修改训练代码并管理高性能计算作业，所有这些都由基于物理的评分卡指导。在测试GPT-5.5和Mistral-24B等模型时，MLIPilot成功发现了有效的训练策略，包括归一化、损失函数调整和渐进式调度，从而超越了科学机器学习中的手动试错。 AI

影响 自动化复杂的科学工作流程，可能加速材料科学和化学领域的发现。

排序理由 该集群包含一篇详细介绍新科学研究框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Etinosa Osaro, Santosh Adhikari, Stamatia Zavitsanou, Kelsey Parker, Dario Rocca ·

    MLIPilot：LLM驱动的机器学习原子间势能自动研究

    arXiv:2605.30889v1 Announce Type: cross Abstract: Constructing production-quality machine-learned interatomic potentials (MLIPs) requires balancing accuracy, dynamical stability, and computational throughput under constraints that are not captured by a single training loss. We in…

相关实体

相关话题