跳转到正文

NIMO

NIMO 是面向自动化材料探索的 Python 库,把 AI 探索算法与机器人实验串成闭环。

条目更新 ·

概览

NIMO 由 NIMS-DA 开发,最初以 NIMS-OS(NIMS Orchestration System)起步,这一名称仍作为项目的原始身份保留。它把人工智能方法与机器人实验都视为可替换的模块,因此一套探索流程可以由实验室已有的部件组合而成。

文档列出的 AI 工具包括贝叶斯优化(PHYSBO)、无边界的无目标探索(BLOX)、相图构建(PDC)、性质落入目标区间的概率(PTR)、材料与工艺参数的贝叶斯优化(BOMP)、组合材料的贝叶斯优化(COMBI)、嵌套汤普森采样(NTS)、基于大模型的实验规划(LLMEP)以及随机探索。结果可用自带的可视化工具查看,文档还提供 IvoryOS 界面用于设计并执行工作流。

README 声明本程序包及其完整源代码按 MIT 许可分发;整理本条目时仓库根目录没有独立的 LICENSE 文件。PyPI 元数据(2.1.7)与文档站点(3.0.0)分别发布,使用前应固定并验证版本。该库负责提出并记录实验,仪器驱动、校准、安全限值与实际实验的审批仍由运营方负责。

主要功能

  • 把 AI 探索模块与机器人实验模块耦合成闭环流程。
  • 文档化的多种探索策略,从贝叶斯优化到无目标探索与相图构建。
  • IvoryOS 界面用于设计工作流,并可实时查看结果的可视化工具。

使用场景

  • 运行自动化材料探索流程,在算法建议与机器人合成、测量之间交替推进。
  • 在同一候选空间上比较多种探索策略,再决定投入的实验时间。

使用方式

可通过 pip install nimo 从 PyPI 安装(要求 Python 3.6 及以上,依赖 physbo、scikit-learn、scipy、pyDOE3、matplotlib、numpy 与 anthropic),也可克隆仓库后在其目录内执行 pip install .。教程涵盖候选文件、探索算法给出的建议、机器人实验输入文件的生成,以及测量结果的分析。

文档:https://nims-da.github.io/nimo/en/

来源与核查边界

本条目说明所链接项目来源中记载的能力。条目编辑更新不代表完成过运行测试、兼容性测试或科学性能评估。

查看编辑与核查政策

相关资源

AlabOS

开源工具

AlabOS 管理自主实验室的工作流,通过数据库支撑的编排服务协调样品、任务与设备动作。

开源Python

材料发现 · 实验室自动化 · 工艺优化

Atlas 是面向实验科学的贝叶斯优化软件,提供用于自驱动实验室流程的高斯过程规划器。

开源Python

实验室自动化 · 工艺优化

BayBE

开源工具

BayBE 是一个用于贝叶斯实验设计的 Python 工具箱,可根据定义的搜索空间、目标和测量结果推荐参数配置,支持化学领域感知和多目标工作流。

开源Python

实验室自动化 · 工艺优化

BoFire

开源工具

BoFire 是一个用于实验设计和贝叶斯优化的 Python 框架,支持混合变量、约束、分子表示和迭代候选选择。

开源Python

实验室自动化 · 工艺优化

Gryffin

开源工具

Gryffin 是一个 Python 贝叶斯优化框架,适用于类别型和混合型实验设计空间,支持批量推荐和物理化学描述符。

开源Python

实验室自动化 · 工艺优化

HELAO-pub

开源工具

HELAO-pub 是分层实验室自动化与编排框架,提供仪器接口、分析和主动学习示例。

开源Python

实验室自动化 · 工艺优化

相关指南

技能

化学 AI Skills 是什么?科研 Agent 的能力模块详解

了解化学 AI Skills 如何作为可复用的流程模块:`SKILL.md` 包含什么内容,宿主如何加载指令,Skills 与 MCP 和智能体有何区别,以及如何选择、组合和评估它们,同时避免将操作指导误认为科学验证。