ChemGraph-XANES：基于智能体框架的XANES光谱模拟与分析自动化平台

本文介绍ChemGraph-XANES智能体框架，整合自然语言任务描述、结构获取、FDMNES模拟和光谱分析，解决计算XANES工作流复杂的瓶颈，支持高通量XANES数据库生成和机器学习应用。

XANES是材料表征关键技术，可获取局部配位环境等信息，但实验依赖同步辐射光源且条件苛刻。计算XANES是替代方案，但工作流复杂：需结构准备与获取、模拟参数设置、计算执行与错误处理、后处理与光谱分析，限制其普及。

平台基于ASE、FDMNES、Parsl、LangGraph/LangChain构建，采用多智能体协作：专家智能体通过RAG提供参数建议，执行智能体编排工具调用与异常处理，策展智能体管理结果与元数据。

• 结构获取：支持显式文件、化学式查询、自然语言描述三种方式，自动预处理；
• FDMNES输入生成：文档锚定参数选择+上下文感知默认值；
• 任务并行：利用Parsl实现高效并行计算；
• 光谱处理：标准化归一化、校准等后处理，记录元数据确保可追溯。

平台支持大规模并行计算生成XANES数据库，可用于材料筛选（实验前候选筛选）、机器学习训练数据（光谱与结构映射）、自动化分析流程（端到端实验光谱反演）。

平台完整记录计算步骤、参数与流程，确保结果可复现；标准化处理消除方法差异，促进社区共享数据库与协作研究。

ChemGraph-XANES降低计算门槛、提升效率、增强可复现性，代表计算光谱学与AI融合趋势，未来有望推动更多领域智能体平台涌现，变革科学研究范式。