자율적인 결정성 재료 연구를 위한 두 가지 경량 시너지 모델을 갖춘 협업 에이전트

A collaborative agent with two lightweight synergistic models for autonomous crystal materials research

현재의 대규모 언어 모델은 수백억 개의 파라미터를 필요로 하지만, 재료 과학 분야의 특정 영역에 대한 추론 및 도구 조율에 어려움을 겪습니다. 본 연구에서는 결정성 재료 연구에 특화된 두 가지 시너지 모델을 갖춘 경량 협업 에이전트 시스템인 MatBrain을 제시합니다. MatBrain은 이중 모델 아키텍처를 사용합니다. Mat-R1 (300억 개의 파라미터)은 전문가 수준의 도메인 추론을 제공하는 분석 모델이고, Mat-T1 (140억 개의 파라미터)은 도구 기반 작업을 수행하는 실행 모델입니다. 엔트로피 분석 결과, 이 아키텍처는 도구 계획과 분석적 추론 간의 충돌을 해결하며, 이들의 서로 다른 엔트로피 역학을 분리합니다. 이러한 이중 모델 아키텍처와 구조적 효율성 덕분에 MatBrain은 더 큰 범용 모델보다 훨씬 뛰어난 성능을 보이면서 하드웨어 배포 장벽을 95% 이상 줄입니다. MatBrain은 구조 생성, 특성 예측 및 합성 계획 작업에서 다양성을 보여줍니다. 촉매 설계에 적용한 결과, MatBrain은 48시간 이내에 30,000개의 후보 구조를 생성하고 38개의 유망한 재료를 식별했으며, 이는 기존 방식보다 약 100배 빠른 속도입니다. 이러한 결과는 경량 협업 인텔리전스가 재료 연구 능력을 향상시키는 데 잠재력을 가지고 있음을 보여줍니다.

Current large language models require hundreds of billions of parameters yet struggle with domain-specific reasoning and tool coordination in materials science. Here, we present MatBrain, a lightweight collaborative agent system with two synergistic models specialization for crystal materials research. MatBrain employs a dual-model architecture: Mat-R1 (30B parameters) as the analytical model providing expert-level domain reasoning, and Mat-T1 (14B parameters) as the executive model orchestrating tool-based actions. Entropy analysis confirms that this architecture resolves the conflict between tool planning and analytical reasoning by decoupling their distinct entropy dynamics. Enabled by this dual-model architecture and structural efficiency, MatBrain significantly outperforms larger general-purpose models while reducing the hardware deployment barrier by over 95%. MatBrain exhibits versatility across structure generation, property prediction, and synthesis planning tasks. Applied to catalyst design, MatBrain generated 30,000 candidate structures and identified 38 promising materials within 48 hours, achieving approximately 100-fold acceleration over traditional approaches. These results demonstrate the potential of lightweight collaborative intelligence for advancing materials research capabilities.