DREAMS: Density Functional Theory Based Research Engine for Agentic Materials Simulation：多智能体框架实现DFT自动化，材料模拟进入L3级自主探索时代
2025年7月，DREAMS提出层次化多智能体框架，结合LLM规划器与领域专用智能体（结构生成、收敛测试、HPC调度、错误处理），在Sol27LC晶格常数基准上平均误差低于1%，在CO/Pt(111)吸附难题上复现专家级结果，并实现贝叶斯集成不确定性量化。该框架达到L3级自动化水平，显著减少人工干预。
发展脉络
- 首次出现DREAMS: Density Functional Theory Based Research Engine for Agentic Materials Simulation：多智能体框架实现DFT自动化，材料模拟进入L3级自主探索时代arXiv cs.AI
- 当前判断DREAMS直接冲击计算材料科学和药物发现领域。传统DFT模拟需要数月培训和大量手动调参，DREAMS将专家级模拟能力开放给非专业研究人员。材料基因组计划、催化剂设计、电池材料筛选等场景可大幅提速。HPC资源利用率提升，错误处理自动化减少计算浪费。预计将催生材料模拟即服务（MSaaS）商业模式。Agent Pulse · 分析
DREAMS将LLM智能体引入密度泛函理论（DFT）模拟，通过中央规划器与多个领域专用智能体协作，自动完成结构生成、收敛测试、HPC调度和错误处理。在标准基准上达到专家级精度，并成功解决长期存在的CO/Pt(111)吸附能争议。这标志着材料模拟从人工密集型向自主探索的范式转变，有望大幅降低计算材料科学门槛。
DREAMS采用层次化多智能体架构：顶层LLM规划器（基于GPT-4）负责任务分解与调度；下层包括原子结构生成智能体（调用ASE/PyMatgen）、DFT收敛测试智能体（自动调整k点、截断能等参数）、HPC调度智能体（管理Slurm作业队列）和错误处理智能体（解析VASP/PWscf报错并重试）。共享画布机制维护对话上下文，防止幻觉。在Sol27LC基准上，平均绝对误差0.8%，与人类专家结果高度一致。CO/Pt(111)吸附能差值为0.12 eV，与文献值0.10-0.15 eV吻合。贝叶斯集成采样确认FCC位点偏好。框架支持VASP、Quantum ESPRESSO等主流DFT软件。
DREAMS直接冲击计算材料科学和药物发现领域。传统DFT模拟需要数月培训和大量手动调参，DREAMS将专家级模拟能力开放给非专业研究人员。材料基因组计划、催化剂设计、电池材料筛选等场景可大幅提速。HPC资源利用率提升，错误处理自动化减少计算浪费。预计将催生材料模拟即服务（MSaaS）商业模式。
建议材料模拟软件公司（如Schrödinger、Materials Design）集成DREAMS框架作为自动化工作流引擎。计算平台（如阿里云HPC、AWS Batch）可提供DREAMS托管服务，按模拟任务收费。投资关注LLM+科学计算交叉领域的初创公司。企业内部可部署DREAMS加速新材料研发，缩短从计算到实验的迭代周期。
关注DREAMS在更大体系（>100原子）上的扩展性，以及多任务并行探索能力。需验证其在新材料（如高熵合金、MOF）上的泛化性能。安全方面需防范智能体生成错误输入导致计算崩溃。成本上，LLM API调用可能成为瓶颈，未来可探索本地部署小模型。若开源，将加速学术采用。