在科学研究中，理论模拟是一个至关重要的环节，尤其是在材料科学、化学和物理等领域。传统的模拟研究流程通常包括编写模拟程序、上传到远程服务器执行、数据分析和报告生成等步骤。这些步骤在确定研究计划后往往是标准化的，但通常需要研究人员手动操作，耗时且繁琐。随着人工智能（AI）技术的快速发展，特别是大型语言模型（LLMs，如ChatGPT）的崛起，利用AI实现科学研究自动化、简化工作流程并提高科研效率的设想逐渐成为可能。然而，如何实现从实验设计到报告生成的全流程自动化，仍然是一个亟待解决的重大挑战。

图1. 自动模拟智能体ASA通过LLM提示工程设计，实现了从实验设计到报告生成的全模拟科研流程自动化。 

近日，高分子科学系李剑锋课题组首次提出了一种基于LLM提示词工程设计的自动模拟助手（ASA，autonomous simulation agent），能够根据研究计划（RP）自动完成从编写程序、远程执行到数据分析和报告撰写的全流程模拟研究。这一工作标志着理论模拟科研全流程自动化的首次实现，为未来的科学研究自动化提供了新的思路。ASA的核心亮点在于，它能根据简短的描述自动设计详细的RP并执行。例如，研究人员要求ASA选择两种机器学习方法预测材料性能，ASA自动建立了神经网络和随机森林模型并进行了训练，验证集R-squared值分别达到0.9589和0.9236，且生成了高质量报告比较两种方法的特点。此外，ASA-GPT-4o和ASA-Claude-3.5展现了出乎意料的智能表现，如主动整理文件、分析理论与模拟偏差、用丰富图表呈现数据等，展示了ASA的自主性。

图2. 简短任务描述、ASA设计的研究计划以及ASA自动执行得到的结果报告示例。

未来，科研自动化是重要方向，ASA的成功应用展示了AI在这一领域的巨大潜力。该工作以“Toward Automated Simulation Research Workflow through LLM Prompt Engineering Design”为题发表于ACS旗下《Journal of Chemical Information and Modeling》。复旦大学高分子科学系博士生刘之菡、硕士生柴煜博分别为第一、第二作者，复旦大学高分子科学系李剑锋教授为通讯作者。作者特别感谢国家自然科学基金、上海市科委、复旦大学高分子科学系、聚合物分子工程国家重点实验室的大力支持。

论文信息：Zhihan Liu, Yubo Chai, Jianfeng Li. Toward Automated Simulation Research Workflow through LLM Prompt Engineering Design. Journal of Chemical Information and Modeling 2025 65 (1), 114-124.

全文链接：https://doi.org/10.1021/acs.jcim.4c01653

arXiv链接：https://arxiv.org/abs/2408.15512

论文中设计的ASA程序及补充数据和视频演示请访问：https://github.com/zokaraa/autonomous_simulation_agent