AutoMatはスキャン伝送から行くためのエンドツーエンドのエージェントフレームワークです 電子顕微鏡検査(STEM)画像を結晶構造再構築と マテリアルプロパティ分析

AutoMatはICML 2026に受け入れられています。

現在のリリースには、explicit agent_qwen ハーネスレイヤーも含まれます。 標準化された馬具ライン、自然言語要求の取入口、Markdownの技術、 インタラクティブなテストのための小さなブラウザのデモ。

リソース

• ペーパー:AutoMat:無機用具の使用による顕微鏡コピーからの自動化された水晶構造の復元の活用
• データセット: Hugging の表面の STEM2Mat
• コード:yt-2378/AutoMat

コアパイプライン

AutoMat は 4 つの科学モジュールのまわりで組織されます:

| モジュール | ロール | | お問い合わせ | | MOE-DIVAESR | パターンアダプティブ STEM 減衰と超解像 | | テンプレートリトリーバー | 物理化学的禁忌構造体検索 | | STEM2CIF | Atomic座標系抽出物・CIF生成物 | | マットシム Wrapper | オプションのリラクゼーションと物件評価 |

エージェントのハーネスは、これらのステップを明示的かつ再現性的ではなく、 LLM へのステップ選択を完全に残します。

新着情報

• [agent_qwen 再現可能な実行のためのハーネスライン.

AutoMat

AutoMat is an end-to-end agent framework for going from scanning transmission electron microscopy (STEM) images to crystal-structure reconstruction and materials-property analysis.

AutoMat has been accepted to ICML 2026.

The current release also includes an explicit agent_qwen harness layer with standardized harness lines, natural-language request intake, Markdown skills, and a small browser demo for interactive testing.

Resources

• Paper: AutoMat: Enabling Automated Crystal Structure Reconstruction from Microscopy via Agentic Tool Use
• Dataset: STEM2Mat on Hugging Face
• Code: yyt-2378/AutoMat

Core Pipeline

AutoMat is organized around four scientific modules:

The agent harness makes these steps explicit and reproducible instead of leaving step selection entirely to an LLM.

What Is New

• agent_qwen harness lines for reproducible execution.
• Natural-language intake that parses user requests into structured harness inputs.
• Markdown skills under agent_qwen/skills/*/SKILL.md.
• Uncertainty and confidence estimation for reconstructed structures.
• CLI, RPC, and browser-demo entry points.
• Compatibility wrappers for the historical structure_recongnition import name.

Repository Layout

AutoMat-main/
├── agent_qwen/                         # Harness, runtime tools, skills, demo
│   ├── harness.py                      # Standard harness-line runner
│   ├── request_intake.py               # Natural-language request parser
│   ├── runtime_skills.py               # Python wrappers around pipeline tools
│   ├── confidence_estimation.py        # Uncertainty/confidence report logic
│   └── skills/*/SKILL.md               # Normative Markdown skills
├── agent_qwen_vl_rpc.py                # RPC entry point for harness/LLM modes
├── src/
│   ├── pipline_framework.py            # Original STEM -> CIF -> property tools
│   ├── preprocess_model/               # MOE-DIVAESR model code
│   └── structure_paired_reconstruction # Template and atom reconstruction code
├── src/structure_recongnition/         # Compatibility aliases
├── utils/fft_convert.py                # FFT helper for confidence estimation
├── tests/test_agent_qwen_harness.py    # Harness/intake tests
└── harness_runs/                       # Local outputs, ignored by git

Installation

A conda environment is recommended.