拓扑材料在量子计算、自旋电子学等领域应用前景广阔，但传统分步式研发流程环节割裂，易出现信息缺失、推理不一致、计算失效等问题，不利于快速高效筛选新型拓扑材料。

针对上述问题，中心高性能计算技术与应用发展部与中国科学院物理研究所等团队联合研发了大语言模型驱动的拓扑材料多智能体系统TopoMAS，搭建集检索、推理、建模、计算验证与人机反馈于一体的协同闭环框架，整合自然语言处理、文献数据库查询、知识图谱、结构生成及自动化第一性原理计算，形成可迭代学习的完整智能研究体系。借助TopoMAS系统，科研人员已发现了若干种新的拓扑材料，为拓扑材料智能发现和更广泛的 AI for Science 闭环研究提供了可迁移范式。

相关成果发表在 《Materials Genome Engineering Advances》期刊，张宝花高级工程师为共同第一作者及通讯作者。该项研究工作得到了国家自然科学基金资助。

TopoMAS 分层多智能体总体架构：资源层、多智能体核心与应用层协同工作

文章链接：

Baohua Zhang*, Xin Li, Huangchao Xu, Zhong Jin, Quansheng Wu*, Ce Li*. TopoMAS: Large Language Model Driven Topological Materials Multi-Agent System. Materials Genome Engineering Advances. 2026;4(1):e70045. https://doi.org/10.1002/mgea.70045

责任编辑：郎杨琴