TeLLAgent：面向有机材料自主发现的双智能体工具增强LLM框架

TeLLAgent是开源创新项目，通过双智能体架构（设计+评估）结合大语言模型与专业科学工具，实现有机材料自主设计与发现，为材料科学自动化开辟新路径，加速研发周期并辅助科学家专注创造性思考。

有机材料在光电、能源等领域潜力巨大，但面临三大挑战：

1. 化学空间爆炸性：分子结构数量远超宇宙原子数，穷举搜索不可能；
2. 性质-结构关系复杂：宏观性质与分子结构非线性多因素关联；
3. 跨学科整合需求：需融合有机化学、量子化学等多领域知识。 传统方法依赖经验试错，缓慢昂贵；AI技术为加速发现提供工具，但整合AI与领域知识仍是开放问题。

TeLLAgent核心为双智能体协作架构：

• 设计智能体：利用LLM生成候选分子（基于目标性质、借鉴已知设计原则、考虑合成可行性），具备创造力与文献整合能力；
• 评估智能体：调用科学工具（DFT计算、分子动力学模拟、ML势函数）预测性质，确保计算精度与物理化学原理遵循；
• 协作循环：设计→评估→反馈→优化，兼具创造力与严谨性。

工具增强架构是关键创新：

• 调用工具：量子化学（Gaussian、ORCA）、分子模拟（LAMMPS、GROMACS）、ML模型、化学信息学（RDKit）；
• 接口原则：标准化输入输出、错误处理、效率优化（快速筛选vs精确计算）；
• 自主流程：目标设定→文献调研→假设生成→性质计算→结果分析→迭代优化→报告生成 高度自动化，科学家仅需设定目标与审查结果。

TeLLAgent可应用于多领域：

• 有机电子：高迁移率半导体、高效OLED发光材料；
• 能源：有机太阳能电池给体/受体、电池电极材料；
• 生物医用：生物相容性与降解性高分子；
• 催化：有机催化剂、金属有机框架（MOF）； 针对每种场景可根据特定性能指标（如带隙、溶解度）优化。

TeLLAgent代表AI for Science领域重要进展：

1. 自主科学发现：展示LLM在科学全流程（假设生成到计算验证）的潜力；
2. 人机协作新模式：辅助科学家承担繁琐计算筛选，专注创造性思考；
3. 开源生态贡献：提供可扩展平台，研究者可添加新工具与智能体能力。

TeLLAgent存在局限：

• 计算成本高：高精度量子化学计算昂贵，限制化学空间探索；
• 实验验证需人工：计算预测需实验合成表征；
• 泛化能力待验证：需在更广泛材料类别测试。 未来方向：整合机器人实验平台实现闭环自主发现、开发高效代理模型降成本、扩展至无机/复合材料领域。