本文へスキップ

ASE Skill (Jinzhe Zeng Group)

qqgu

computational-chemistry-agent-skills コレクションに含まれる ASE ルーティング Skill。ワークフローの準備と計算器の設定を分け、実行は別の担当先に委任します。

掲載情報の更新 ·

概要

ASE Skill (Jinzhe Zeng Group) は、computational-chemistry-agent-skills コレクション内で ASE 関連タスクの準備に使う、指示ベースのエントリーポイントです。その役割は、依頼を分類してワークフローまたは計算器の分岐に委任することであり、原子スケール計算を自ら実行することではありません。この Skill では、静的計算、構造緩和、分子動力学、NEB ワークフローへのルーティングが記述されており、GPAW と MACE は任意のバックエンドアダプターとして示されています。

ルーターはユーザーのタスク意図に基づき、適切な分岐に必要な最小限のコンテキストを収集します。ワークフローの依頼は ase/ase-workflows に、バックエンドの選択または設定に関する依頼は ase/ase-calculators に振り分けられます。両方を含む依頼では、ワークフロー分岐から開始し、計算器の設定を依存項目として扱います。指定された出力は、選択した分岐のパス、その選択理由、不足している最低限の入力、および明示的な次の委任ステップです。

この分離によって、ワークフローに関する判断と計算器固有の設定を区別できます。トップレベルの指示では、タスク固有またはバックエンド固有のパラメーターを直接埋め込むことと、計算を実行することが禁止されています。Python と ASE が要件として記載されており、GPAW または MACE が必要なのは対応するアダプターを使う場合に限られます。定められた範囲はタスクの準備です。実行が求められた場合は、dpdisp-submit を通じて委任します。提供された抜粋にはルーティングの取り決めが記載されていますが、下流の分岐の詳細な動作は示されておらず、科学的な検証が実証されているわけでもありません。

主な機能

  • 静的計算、構造緩和、分子動力学、NEB のタスク意図を `ase/ase-workflows` にルーティングします。
  • バックエンドの選択や計算器の設定に関する依頼を `ase/ase-calculators` にルーティングし、GPAW と MACE を任意のアダプターとして示します。
  • ワークフローとバックエンドの両方に関する依頼では、まずワークフロー分岐を選択し、計算器の設定を依存項目として委任します。
  • 分岐パス、選択理由、不足している最低限の入力、次の委任ステップを含む、構造化されたルーティング応答を求めます。
  • タスクや設定の準備と実行を分離し、依頼された提出と実行の担当先として `dpdisp-submit` を指定します。

用途

  • 評価での利用想定:静的計算、構造緩和、分子動力学、NEB の準備依頼が、記載されているワークフロー分岐にルーティングされるかを確認します。
  • 評価での利用想定:GPAW または MACE の設定に関する質問が、トップレベルにバックエンドのパラメーターを持ち込まずに計算器分岐へ委任されるかを評価します。
  • 評価での利用想定:ワークフローとバックエンドの両方に関する依頼を使い、委任の順序、不足入力の特定、準備と実行の分離を確認します。

使い方

  1. 指定された Skillを、実行可能なエージェントや ASE のインストールガイドではなく、ルーティング指示として読みます。
  2. 想定するタスクを説明します。静的計算、構造緩和、分子動力学、NEB、バックエンドの選択、またはそれらの組み合わせを指定します。利用可能なコンテキストを提示し、タスクのパラメーターを推測するのではなく、ルーターに不足している最低限の入力を特定させます。
  3. 選択された分岐を確認します。ワークフローの意図は ase/ase-workflows に、バックエンドの設定は ase/ase-calculators に進むはずです。複合的な依頼ではワークフロー分岐から開始する必要があります。
  4. 応答に、分岐パス、選択理由、不足している入力、次の委任ステップという必須の4項目すべてが含まれているか確認します。ルーティングの動作は、その後に行われる可能性のある科学計算とは分けて評価します。
  5. コレクションのリポジトリで、委任先の指示を確認します。記載された Python/ASE 要件と、関連する任意のバックエンド依存関係を確認してください。実行はこのルーターの対象外とし、Skill では、提出と実行が求められた場合の担当先として dpdisp-submit を指定しています。

関連リソース

Allegro

モデル

Allegro は NequIP の拡張として E(3) 等変原子間ポテンシャルを実装し、文書化された GPU 高速化オプションと、LAMMPS シミュレーション用の独立したプラグインを提供します。

オープンソースPython

計算化学 · 材料探索

ChemAgent (AI4Chem)

エージェント

ChemAgent (AI4Chem) は化学・材料分野でのツール利用を目的とする研究フレームワークであり、木探索による計画、ツール実行、ChemToolBench に基づく学習を扱う CheMatAgent 論文と関連しています。

計算化学 · 材料探索

ChemGraph

エージェント

ChemGraph は、自然言語による化学リクエストを分子構築、シミュレーション、解析、レポート作成につなぐ Python エージェントフレームワークで、CLI、Python、Streamlit、MCP のインターフェースを備えています。

オープンソースPython

計算化学 · 材料探索

CHGNet

モデル

CHGNet は、結晶構造を対象とする、電荷情報を取り入れた事前学習済みニューラルネットワークポテンシャルです。エネルギー、力、応力、磁気モーメントを予測し、構造緩和や分子動力学のワークフローに利用できます。

オープンソースPython

計算化学 · 材料探索

DeePMD-kit

モデル

DeePMD-kit は、量子力学計算の参照データから Deep Potential 原子間モデルを学習・ファインチューニングし、推論や分子動力学シミュレーション用にエクスポートするためのツールキットです。

オープンソースPythonC++

計算化学 · 材料探索

DP-GEN

オープンソース

DP-GENは、分子シミュレーション、第一原理計算、DeePMD-kitのワークフローを連携させ、原子間ポテンシャルモデルを生成するPythonコンカレントラーニングプラットフォームです。

オープンソースPython

計算化学 · 材料探索

関連ガイド

ワークフロー

材料科学のAIツール:MCP・Agents・Skillsの研究ワークフロー

材料データベース、研究エージェント、科学的Skillsの実践ガイド。凸包、平衡、フォノン、実験的安定性に関する主張を区別しながら、結晶スクリーニング、計算、解析を組織化する方法を解説します。

スキル

化学AI Skillsとは?研究エージェントの手順モジュールを理解する

化学AI Skillsを再利用可能な手順モジュールとして理解します。`SKILL.md`に何が含まれるか、ホストが指示をどう読み込むか、SkillsがMCPやエージェントとどう異なるか、そして指針を科学的検証と混同せずに選択、組み合わせ、評価する方法を説明します。

概要

化学AIエージェントの技術スタックを構築するには

言語モデル、オーケストレーション、Skills、MCPインターフェース、API、ライブラリ、データを分離して、化学AIエージェントスタックを設計します。提案する分子・材料ワークフローを参考に、入出力契約を定義し、権限、評価、再現可能なデプロイを計画します。