美国能源部阿贡国家实验室的研究团队开发出一款名为ChemGraph的开源框架，利用AI代理将计算化学中繁琐的多步骤工作流简化为“用自然语言描述问题即可自动运行仿真”。 这一平台依托全球首批百亿亿次超级计算机之一的Aurora（极光）系统，旨在让没有深厚计算背景的科学家甚至学生也能轻松获得高质量的材料模拟结果。对于正加速推进材料基因工程的国内科研界而言，这种“提问即仿真”的范式具有极高的工具平权意义。

传统计算化学仿真的门槛非常高：研究者需要依次完成选择理论方法、匹配兼容软件、准备输入文件、执行计算、分析结果，再反复迭代调参。ChemGraph的核心创新在于将大语言模型与基于代理的自动化机制相结合。用户只需用自然语言描述一个科学问题——比如“预测某种新型电解质的离子电导率”——系统就会自动将这一请求拆解为一连串计算任务，调用所需软件工具，并生成最终分析结果。这套流程跑在Aurora超算和ALCF推理服务上，后者为研究人员提供了类似云计算的体验，可在高性能计算系统上直接运行大语言模型。

从应用前景看，ChemGraph瞄准的正是当前材料创新的瓶颈环节。设计更好的电池、优化燃烧系统、发现关键功能材料——这些方向都需要海量的原子级仿真来筛选候选结构和配方。过去，仿真能力的瓶颈在于人的经验带宽；现在，AI代理有望将这一带宽成倍放大。阿贡方面已将ChemGraph开源，这意味着全球任何实验室都可以将其部署在自身的计算集群上。对于国内正在推动的“AI+材料”交叉研究来说，这套框架提供了一条可复现、可扩展的自动化仿真路径，尤其适合在合成实验之前进行大规模虚拟筛选，从而大幅缩短新材料从“猜”到“做”再到“用”的周期。