大语言模型（LLM）引导分子动力学（MD）自主优化合金成分：实现18.7 GPa超高强度Fe–Cr–Mn合金的发现

《Scripta Materialia》：Autonomous alloy composition optimization using molecular dynamics guided by a large language model

本期推荐一项融合人工智能与计算材料学的突破性研究：该工作利用大语言模型（LLM）作为自主决策代理，耦合分子动力学（MD）模拟，闭环优化Fe–Cr–Mn合金成分，最终在Fe71Cr25Mn4组分实现18.7 G帕斯卡的极高拉伸强度。该方法无需传统试错，可自适应探索成分空间，为材料设计、生物与药物研发等领域提供通用型AI协作者（Co-pilot）新范式。

　　

CRediT authorship contribution statement

作者贡献声明

Ankit Roy： 撰写初稿、可视化、软件搭建、研究方法设计、实验调查、形式分析与概念提出。

Ram Devanathan： 评审与编辑稿件，参与研究调查。

M.S.K.K.Y. Nartu： 评审与编辑稿件，参与研究调查。

Vineet V. Joshi： 评审与编辑稿件，研究调查、资金获取、形式分析与概念设计。

Declaration of competing interest

利益冲突声明

作者声明不存在任何已知的竞争性财务利益或个人关系，以避免对本研究产生不当影响。

Acknowledgements

致谢

本研究在美国能源部合约DE-AC05–76RL01830支持下，由Battelle所属的太平洋西北国家实验室完成。