ChemGraph-XANES:面向XANES模拟与数据管理的智能体框架

《RSC Advances》:ChemGraph-XANES: an agentic framework for XANES simulation and curationOpen Access

【字体: 大 中 小 】 时间:2026年09月23日 来源:RSC Advances 6.1

编辑推荐:

  计算X射线吸收近边结构(XANES)谱广泛用于解释局域配位环境、氧化态和电子结构,但大规模计算活动常受限于工作流复杂性。研究人员提出了ChemGraph-XANES,一个基于大语言模型(LLM)的智能体框架,该框架结合了通过检索增强生成(RAG)实现的基于文档

  
计算X射线吸收近边结构(XANES)谱广泛用于解释局域配位环境、氧化态和电子结构,但大规模计算活动常受限于工作流复杂性。研究人员提出了ChemGraph-XANES,一个基于大语言模型(LLM)的智能体框架,该框架结合了通过检索增强生成(RAG)实现的基于文档的参数检索、受模式约束的工具执行、确定性的FDMNES输入生成、基于Parsl的执行以及具有来源追踪意识的数据管理。脚本化接口和自然语言接口共享一个用于结构处理、参数化、执行、谱图提取和可选后处理的通用科学后端。研究人员评估了三种工作流模式:基于文档的参数传播、基于结构文件的执行以及基于化学组成描述的构建与执行。重复试验的端到端完成情况为:基于组成描述的运行10/10次全部完成,基于结构文件的运行10/10次全部完成,基于文档的RAG运行9/10次完成。在每一次RAG运行中,从FDMNES手册检索到的能量网格设置均被正确传播,唯一一次端到端失败发生在下游多结构处理过程中。在另一项独立的任务并行演示中,该框架从Materials Project检索了21个TiO2结构,并为每个结构提交了一个FDMNES计算。所有计算均成功完成,Parsl将独立任务分配到用户配置的工作池中。综上所述,这些结果表明ChemGraph-XANES为计算光谱学提供了一个受约束且可复现的编排层,支持代表性任务的一致执行、与文档关联的参数选择以及结构关联XANES数据集的任务并行生成。
**论文解读:ChemGraph-XANES——面向XANES模拟与数据管理的智能体框架**

**一、研究背景与科学问题**

计算X射线吸收近边结构(XANES)谱已成为解读复杂化学体系中局域配位环境、氧化态和电子结构的重要手段,是对实验X射线吸收光谱的重要补充。然而,阻碍XANES计算实现常规化、大规模应用的主要障碍,往往并非电子结构方法或散射形式本身,而是以可复现方式执行每项计算所需的工作流。典型的XANES计算活动可能涉及检索或准备候选结构、识别吸收位点、指定计算参数、生成代码特定输入、组织大量独立运行、解析光谱输出、应用一致的归一化处理,以及保留每条光谱与其母体结构之间的来源关联。当这些步骤由人工或临时脚本处理时,工作流将难以复现、复用和扩展。

这一工作流瓶颈在需要大量计算而非单次正向模拟的场景中尤为突出,例如结构数据库的高通量筛选、DFT优化候选几何结构的比较、分子动力学或从头算分子动力学轨迹中热可及构象的采样、针对实验的迭代精修、材料发现以及机器学习(ML)模型的数据集生成。近年来,大语言模型(LLM)及其智能体的进展为科学工作流自动化创造了新机遇,可将高级自然语言请求转化为结构化的计算动作,减少用户手动组合模拟管线各步骤的需求。在此背景下,研究人员开发了ChemGraph-XANES,作为原始ChemGraph框架的领域特定扩展,用于计算XANES模拟与数据管理。

**二、研究内容与核心结论**

研究人员开发了ChemGraph-XANES框架,这是一个模块化、兼容智能体的自动化XANES计算框架。其核心贡献在于构建了一个基于文档、受模式约束、具有来源追踪意识的编排层,将结构获取、吸收物种指定、FDMNES输入生成、执行、光谱解析、归一化辅助以及结构-光谱关联整合在统一的Python框架内。该工作流既可通过脚本直接调用,也可通过映射到类型化工具调用的自然语言请求来驱动,从而在多种用户交互模式下保持共同的确定性科学后端。

研究评估了三种工作流模式的重复执行一致性:基于组成描述的执行、基于结构文件的执行以及基于文档的RAG工作流。结果显示,基于组成描述和基于结构文件的任务在全部十次试验中均成功完成;RAG任务在十次试验中完成九次,总体成功率为96.7%。在失败的RAG试验中,智能体检索了14个TiO2结构而非选择能量最低的结构,且错误发生在多结构处理与输出管理阶段,而非文档检索或参数传播环节。在全部十次RAG试验中,从手册检索到的能量范围设置均被正确传播至生成的FDMNES输入文件。此外,任务并行演示中,框架从Materials Project检索了21个TiO2结构,提交了21个独立的结构级Parsl任务,所有计算均成功完成并生成卷积光谱,且保留了结构、参数、日志和光谱之间的完整关联。这些结果表明,ChemGraph-XANES为可复现、可扩展的XANES模拟和数据管理提供了有效的受控编排层。

**三、关键技术方法**

研究人员构建ChemGraph-XANES框架主要采用了以下关键技术方法:(1)基于检索增强生成(RAG)的文档参数检索,利用Hugging Face的sentence-transformers/all-MiniLM-L6-v2嵌入模型和FAISS索引构建本地知识库,从FDMNES手册中检索参数设置;(2)基于LangGraph/LangChain的工具接口,将科学操作封装为具有模式定义参数的类型化Python工具,由LLM(Gemini 2.5 Flash)解释用户请求并映射到结构化函数参数;(3)确定性的FDMNES输入生成逻辑,基于ASE原子表示自动生成输入文件并区分周期性与非周期性结构;(4)基于Parsl的任务并行执行机制,在HPC系统上分发独立的原子级任务;(5)来源追踪与数据整理流程,保留结构、参数、日志和光谱之间的关联,支持归一化处理和数据集的构建。结构数据来源于Materials Project数据库。

**四、研究结果**

**4.1 文档引导的参数选择与执行传播**

研究人员评估了专家智能体对三个代表性参数化查询的表现:默认吸收物种选择、替代掺杂建模和默认能量范围设置。定性检索示例使用GPT-4o生成,可执行的来源追踪示例使用Gemini 2.5 Flash生成。在全部三个案例中,相关FDMNES指导均通过检索获得而非直接提供在提示中。智能体首先调用query_knowledge_base工具进行针对性搜索,然后生成与检索到的手册内容一致的响应。特别地,在可执行的传播示例中,智能体加载FDMNES手册文本,查询默认Range值,检索到手手册中"能量范围?5至60 eV,步长0.5 eV"的段落,随后将该值作为energy_range=[?5.0, 0.5, 60.0]传入run_xanes_single执行调用。这证明模拟相关参数可以追溯到检索到的文档来源,并通过类型化执行接口传播到具体的XANES计算中。

**4.2 基于结构文件的执行**

研究人员使用自然语言查询“Compute the XANES of the POSCAR file located at … for Z absorber = 29”评估了文件式执行模式。智能体成功识别了用户提供的原子输入,从文本中提取文件路径和吸收体原子序数,并将其映射到XANES执行工具所需的结构化参数。POSCAR文件被解析为ase.Atoms对象,生成相应的FDMNES引导文件和输入文件,启动FDMNES计算,并由工作流解析、归一化和绘制所得卷积输出。该计算针对MnO2(010) slab上的Cu K边进行,以Cu(Z=29)为吸收物种,其结构通过沿(010)面解理MnO2并用H原子钝化欠配位表面位点构建。此示例展示了基于结构文件的工作流执行能力,无需组成搜索或数据库查询。

**4.3 化学体系的自然语言描述**

研究人员使用查询“Compute the XANES for Ti in TiO2”检验了自然语言接口。通过Materials Project查询(能量高于凸包阈值0.001 eV/原子)将化学式级请求解析为锐钛矿TiO2(mp-390)。计算采用6.0 ?团簇半径、自洽场和Green多重散射模式,同时包含偶极和四极跃迁。将计算得到的Ti K边XANES谱与NIMS/SPring-8 XAFS数据库中的实验锐钛矿标准谱进行比较,仅通过+4965.52 eV的刚性平移对齐最高强度主边峰,未进行其他能量调整或谱拟合。定性比较显示计算谱与实验谱具有合理的物理一致性,残余差异可能来自与Green模式相关的muffin-tin近似、有限团簇效应及未优化的展宽参数。

**4.4 代表性工作流的重复执行一致性**

在固定评估协议下(Gemini 2.5 Flash,温度0,最大输出6000 tokens),基于组成描述和基于结构文件的任务各十次试验全部完成。RAG任务在十次试验中完成了九次,总体成功率为96.7%。在失败的RAG试验中,智能体检索到14个TiO2结构而非选择能量最低者,错误发生在多结构处理阶段。但值得注意的是,在所有十次RAG试验中,从手册检索到的默认Range值均被正确传播到生成的FDMNES输入中。这表明参数检索与传播的成功率为100%,而完整双材料工作流的成功率为90%,失败源于多结构解析与输出管理环节,而非文档检索或参数传递。

**4.5 任务并行TiO2多晶型物**

研究人员使用指定的提示模板和计算参数执行了Ti K边XANES批处理。Materials Project检索工具返回21个满足能量高于凸包截止值0.10 eV/原子且未废弃的TiO2结构。这产生了21个独立的结构级Parsl任务,在LCRC Improv集群上使用10个单节点工作块进行调度,每个工作节点占用一个128核计算节点并同时执行一个FDMNES计算。所有21个计算均成功完成,每个运行产生一个卷积光谱。执行记录确认了10个工作节点同时活跃,峰值并发为10个FDMNES计算。框架以21个独立CIF文件和atoms_db.pkl文件两种形式保留检索到的结构,并为每个计算保留了源结构、生成的FDMNES输入、执行日志、元数据、原始输出和卷积光谱,构成了可追溯的结构关联XANES集合。

**五、讨论与结论**

讨论部分指出,自动化XAS生成和光谱工作流管理并非始于本研究,Materials Project/atomate、Lightshow、Corvus和AiiDA QE Xspec等已有相关工作。ChemGraph-XANES的贡献在于将其整合为FDMNES特定界面,其中文档检索可以为类型化、模式验证的执行工具提供数值参数,同时保留检索证据、最终参数、结构身份、执行记录和光谱输出之间的明确关联。该框架应被理解为受控编排层而非不受限制的完全自主科学决策:组成级请求可能使结构基数未指定,智能体在受限接口内操作,科学操作委托给确定性后端。与通用编码智能体相比,ChemGraph-XANES的独特之处在于其执行契约:智能体操作被限制在预定义的模式验证工具中,减少了模型生成和调试完整执行脚本的负担。研究局限性包括:属工作流研究而非光谱保真度的全面基准;重复执行评估仅包含三个固定任务、每任务十次执行、单一模型和单一配置;仅评估了一个文档查询和参数;未进行串行对比、扩展性分析或系统吞吐量研究。

研究结论为:研究人员引入了ChemGraph-XANES,这是一个基于文档且受模式约束的XANES模拟与数据管理框架。该框架将自然语言任务规范与结构化工具接口、确定性FDMNES输入生成、显式后处理辅助和来源追踪数据组织相结合。在三个代表性工作流的各十次执行中,30次任务中有29次端到端完成,手册推导的FDMNES Range设置在所有十次RAG试验中均正确传播。在任务并行评估中,所有21个检索到的TiO2结构均产生卷积光谱,同时保留了与结构输入、执行参数、日志和原始输出的关联。这些实验证明了任务特定的执行一致性和任务并行集合生成能力,为未来高通量XANES活动、比较光谱学研究和面向ML的结构-光谱数据集生成奠定了基础,强调受控编排、可复现性和可追溯数据生成。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号