
7 月 24 日,2026 夏季 InfiniTensor 训练营 AI 编程与智能体应用方向第三课《Agent 在科研场景的应用实践》开讲。
前置课程《AI Agent 基础:从“会回答”到“能执行任务”的 AI 系统》讲解了 Agent 与普通问答、固定工作流的本质区别。涵盖目标设定、状态管理、工具调用、反馈循环及安全边界等关键模块等内容。
当前智能体(Agent)在科研领域正经历怎样的爆发?本节课由超算互联网团队带来分享,讲解科研 Agent 的背景、案例与工程化落地,了解超算互联网“超级科学计算智能体”实战应用。
背景与趋势——AI 重塑科研范式
科学范式的演进

- 17世纪:实验观测与经验归纳(伽利略时代)
- 18-20世纪:理论科学与数值计算模型
- 21世纪初:数据驱动与统计关联发现
- 2022至今:AI 大模型推动科研智能化发展,逐步从辅助工具走向科学发现辅助系统
AI 在科研中的渗透现状

- 通用办公 vs 科研领域的渗透率差异
- 当前痛点:计算模拟效率低、数据处理依赖人工
科研智能化趋势

- 阶段一(提效工具):加速特定环节(如代码生成、文献搜索、作业提交)
- 阶段二(科学发现):挖掘复杂规律、预测新物质/新材料(AlphaFold 案例)
- 阶段三(自主科研智能体):向自主规划、实验执行辅助和闭环验证方向发展
典型案例——四大科研 Agent
💡核心主线:文献 + 数据 + 专业工具 + 仿真/评审 = 可追踪的科研工作流

CoScientist:科学假设生成与评审系统

- 解决痛点:海量文献阅读与跨学科假设构建
- 多 Agent 协作机制
- 输出成果:带证据链的可验证科学假设,已在生物医学等领域展示辅助科研探索能力
- 核心价值:系统化筛选而非单纯生成想法
CoScientist / ChemCrow:化学领域智能体辅助实验设计与工具调用

- 解决痛点:LLM 缺乏化学专业知识与实操能力
- 工具集成:RDKit/ PaperQA / PubChem / ChemSpace
- 关键洞察:“智”(理解规划)与“能”(精确执行)分离,通过工具调用弥补模型短板

GNoME + A-Lab:材料计算筛选到自主合成
- GNoME:图神经网络预测 220 万种新晶体结构(38 万种稳定候选)
- A-Lab:将干实验计算结果转化为湿实验可执行任务
- 干湿联动:计算筛选 → 自主合成 → 表征反馈闭环

Foam-Agent:自然语言驱动的工业仿真

- 端到端流程:几何处理 → 网格划分 → 边界条件 → 求解器配置 → HPC 作业提交 → 结果可视化
- 多角色分工:Architect / Mesh Agent / Input Agent / Runner / Review Agent
- 价值:将自然语言转化为完整的工程仿真任务流
Agent 落地流程

- 设施资产整理:论文数据、SOP、历史样本、仪器配置等数据归一化
- 科研问题结构化:明确目标、约束条件、实验思路
- 任务编排(WBS):将大目标拆解为可执行的子任务链
- 工具执行与专家审核:单点工具调用 + Review Agent 评审 + 迭代优化
工程实战——如何构建一个科研 Agent
不是所有 AI 都叫 Agent
- 核心能力:推理能力 + 记忆管理 + 工具调用 + 自主行动

主流设计范式

- ReAct:推理与行动交替
- CodeAct:自主执行 Python 代码处理复杂任务
- 自我反思:自我评估与反馈迭代
- 多智能体:Orchestrator 编排模式 vs 敏捷共享记忆模式
智能体工程学架构

- 基础设施层:加速卡、数据库
- 模型管理层:多模型路由、API 管理
- 应用层:工具管理、Agent 编排、记忆管理、安全认证
1. 智能体框架——LangGraph

- 定义 State → 设计 Node(计算单元)→ 连接 Edge(条件/串行)→ Middleware 中间件 → Human-in-the-loop 审核 → 时间旅行调试
2. 大语言模型(LLM)

3. 提示词工程(Prompt)

4. 工具调用

5. 知识增强(RAG)

6. 上下文管理

实战演示——超算互联网 × 启元实验室

- 超级科学计算智能体
- 自然语言交互实现端到端超算应用
- 覆盖场景:材料结构/能带、声学差异分析、微生物组、气象仿真等
- 案例演示:

- 体验入口:超算互联网 scnet.cn
- 智能体构建平台:降低开发门槛,支持行业经验快速封装
加入训练营
📺完整课程内容,请观看直播或查看课程回放:
InfiniTensor 官网: https://www.infinitensor.com
B站直播: InfiniTensor 官方直播间
视频号直播: InfiniTensor 视频号预约
答疑交流: 训练营官方社群⬇️

关注与交流

