2026 夏季 InfiniTensor 训练营 AI 编程与智能体应用 3：《Agent 在科研场景的应用实践》

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

1. 1. 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
2. 2. 科研问题结构化：明确目标、约束条件、实验思路
3. 3. 任务编排（WBS）：将大目标拆解为可执行的子任务链
4. 4. 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

1. 1. 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
2. 2. 案例演示：

1. 3. 体验入口：超算互联网 scnet.cn
2. 4. 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：

B站直播： InfiniTensor 官方直播间

答疑交流： 训练营官方社群⬇️

关注与交流