跳转到正文

ASE Skill (Jinzhe Zeng Group)

qqgu

computational-chemistry-agent-skills 集合中的 ASE 路由 Skill,将工作流准备与计算器配置分开,并将执行委托给其他环节。

条目更新 ·

概览

ASE Skill (Jinzhe Zeng Group) 是 computational-chemistry-agent-skills 集合中用于准备 ASE 相关任务的指令式入口。它的作用是对请求进行分类,并将其委托给工作流或计算器分支,而不是自行执行原子尺度计算。该 Skill 描述了静态计算、结构弛豫、分子动力学和 NEB 工作流的路由,并将 GPAW 和 MACE 列为可选后端适配器。

路由器会根据用户的任务意图收集适当分支所需的最少上下文。工作流请求会转至 ase/ase-workflows;后端选择或配置请求会转至 ase/ase-calculators。如果请求同时涉及这两方面,则从工作流分支开始,并将计算器配置作为依赖项处理。其规定的输出包括所选分支路径、选择理由、缺少的最低限度输入,以及明确的下一步委托步骤。

这种分离使工作流决策与计算器专属设置保持区分。顶层指令禁止直接嵌入特定任务或特定后端的参数,也禁止执行计算。Python 和 ASE 是明确要求;仅在使用相应适配器时才需要 GPAW 或 MACE。任务准备是规定的范围;如需执行,则通过 dpdisp-submit 委托。所提供的摘录说明了路由约定,但没有确立下游分支的详细行为,也没有证明经过科学验证。

主要功能

  • 将静态计算、结构弛豫、分子动力学和 NEB 任务意图路由至 `ase/ase-workflows`。
  • 将后端选择和计算器配置请求路由至 `ase/ase-calculators`,并将 GPAW 和 MACE 列为可选适配器。
  • 对于同时涉及工作流和后端的请求,先选择工作流分支,再将计算器设置作为依赖项委托处理。
  • 要求路由响应采用结构化格式,包含分支路径、选择理由、缺少的最低限度输入和下一步委托步骤。
  • 将任务/配置准备与执行分开;如需提交和运行,则指向 `dpdisp-submit`。

使用场景

  • 预期评估:检查助手是否将静态计算、结构弛豫、分子动力学和 NEB 准备请求路由至文档所述的工作流分支。
  • 预期评估:评估有关 GPAW 或 MACE 配置的问题是否会被委托至计算器分支,且不会在顶层引入后端参数。
  • 预期评估:使用同时涉及工作流和后端的请求,检查委托顺序、缺失输入的识别,以及准备与执行的分离情况。

使用方式

  1. 将指定的 Skill作为路由指令阅读,而不要将其视为可执行代理或 ASE 安装指南。
  2. 描述预期任务:静态计算、结构弛豫、分子动力学、NEB、后端选择,或这些任务的组合。提供已有上下文,并让路由器识别缺少的最低限度输入,而不是自行假定任务参数。
  3. 检查所选分支。工作流意图应指向 ase/ase-workflows;后端设置应指向 ase/ase-calculators。混合请求应从工作流分支开始。
  4. 检查响应是否包含全部四项规定内容:分支路径、选择理由、缺少的输入和下一步委托步骤。应将路由行为与后续可能进行的科学计算分开评估。
  5. 查阅集合仓库中的受托指令。确认所述的 Python/ASE 要求及相关可选后端依赖项。将执行置于此路由器之外;该 Skill 指定在需要提交和运行时使用 dpdisp-submit。

相关资源

Allegro

模型

Allegro 在 NequIP 框架中作为扩展实现 E(3)-等变原子间势,并提供文档说明的 GPU 加速选项,以及用于 LAMMPS 模拟的独立插件。

开源Python

计算化学 · 材料发现

ChemAgent (AI4Chem) 是一个面向化学与材料领域工具使用的研究框架,与 CheMatAgent 论文相关;该论文介绍了基于树搜索的规划、工具执行以及基于 ChemToolBench 的训练。

计算化学 · 材料发现

ChemGraph

智能体

ChemGraph 是一个 Python 智能体框架,可将自然语言化学请求连接到分子构建、模拟、分析和报告,并提供 CLI、Python、Streamlit 和 MCP 接口。

开源Python

计算化学 · 材料发现

CHGNet

模型

CHGNet 是一种针对晶体结构的预训练、融合电荷信息的神经网络势,可预测能量、力、应力和磁矩,用于结构弛豫与分子动力学工作流。

开源Python

计算化学 · 材料发现

DeePMD-kit 是一套工具包,可利用量子力学参考数据训练和微调 Deep Potential 原子间模型,然后将其导出用于推理和分子动力学模拟。

开源PythonC++

计算化学 · 材料发现

DP-GEN

开源工具

DP-GEN 是一个 Python 并发学习平台,用于协调分子模拟、第一性原理计算和 DeePMD-kit 工作流,以生成原子间势模型。

开源Python

计算化学 · 材料发现

相关指南

工作流

材料科学 AI 工具指南:MCP、Agent 与 Skills

材料数据库、研究智能体与科学 Skills 实用指南:如何组织晶体筛选、计算与分析,同时区分凸包、平衡、声子和实验稳定性相关主张。

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。

概览

如何搭建一个化学 AI Agent 技术栈

通过区分语言模型、编排、Skills、MCP 接口、API、库和数据,设计化学 AI 智能体技术栈。参考提出的分子与材料工作流,定义输入/输出契约,并规划权限、评估和可复现部署。