阿貢國家實驗室開源ChemGraph 讓AI自動化化學模擬

降低計算化學研究門檻的AI平台

計算化學一直是專業知識門檻高、工具複雜的領域。美國能源部下轄的阿貢國家實驗室（Argonne National Laboratory）研究團隊開發了名為ChemGraph的開源框架，透過整合大型語言模型（LLM）與AI代理人技術，讓科學家與學生能以更直觀的方式進行進階模擬。

傳統計算化學模擬需要研究人員經歷複雜流程：選擇科學方法、確認軟體相容性、準備輸入檔案、執行運算、分析結果，最後還要多次迭代調整參數。ChemGraph則將這些繁複工作分配給專責的AI代理人，負責工作流程規劃、執行與資料管理。

自然語言驅動的自動化系統

ChemGraph的核心創新在於其設計理念。研究人員只需用日常語言描述科學問題，系統自動將需求轉換為一系列計算任務、軟體工具與分析步驟，最終返回基於物理模擬的結果，而非僅依賴模型本身儲存的知識。

「我們不希望大型語言模型只是回答問題，」阿貢博士後研究員暨ChemGraph共同開發者Thang Duc Pham表示，「我們希望它能執行基於物理的模擬，為你取得答案。」

研究團隊採用創新的分層語言模型策略：較大的模型負責規劃工作流程，較小的模型則執行具體任務。這不僅降低運算成本，也提升系統效率。阿貢計算科學家Murat Keçeli解釋：「如果對所有事情都只使用同一種LLM，就有浪費資金和運算配額的風險。我們發現可以先用大模型進行規劃，再切換到小模型執行任務。」

Aurora超級電腦與開源生態

ChemGraph架構於阿貢領導運算設施（ALCF）的Aurora超大規模超級電腦及ALCF推論服務之上。Aurora負責執行計算密集的量子化學模擬，而ALCF推論服務提供託管於阿貢系統上的開放權重語言模型存取管道。

在本地端運行模型具有雙重優勢：一是降低成本，二是相較於仰賴外部雲端服務，更能有效解決資料安全疑慮。

作為開源專案，ChemGraph已吸引其他研究團隊拓展應用範疇。近期合作案例包括將框架應用於X射線吸收近邊緣結構（XANES）光譜模擬，以及在Aurora上執行自動化高通量材料篩選工作流程。

應用前景與教育潛力

ChemGraph的潛在應用涵蓋電池設計、燃燒系統優化、關鍵材料探索等領域。研究團隊也看見教育面向的價值——教授可藉此示範進階計算化學技術，同時讓學生以更簡便的方式探索研究問題。

「我們對ChemGraph的願景，是將其作為服務透過聊天機器人介面提供給ALCF用戶，」Keçeli表示，「從長遠來看，我們希望讓它變得越來越自主……讓科學家能專注於他們真正想解答的科學問題。」

該研究成果已發表於期刊《Communications Chemistry》。