AutoMat는 스캔 전송에서 이동하기위한 엔드 투 엔드 에이전트 프레임 워크입니다. electron microscopy (STEM) 결정 구조 재구성 및 이미지 자료 property 분석.

AutoMat는 ICML 2026에 받아들여졌습니다.

현재 릴리스에는 명시된 agent_qwen] 하네스 레이어가 포함되어 있습니다. 표준화된 마구 선, 자연적인 언어 요구 입구, Markdown 기술, 상호 작용하는 테스트를 위한 작은 브라우저 데모.

자원

• 용지 : AutoMat : Agentic Tool Use를 통해 Microscopy에서 자동화 된 크리스탈 구조 재구성
• Dataset: Hugging 얼굴에 STEM2Mat
• 부호: yyt-2378/AutoMat

핵심 파이프라인

AutoMat는 4개의 과학적인 단위의 주위에 조직됩니다:

| 모듈 | 역할 | 인포메이션 | MOE-DIVAESR | 패턴-다ptive STEM 탈취 및 슈퍼해상 | | 템플릿 검색 | 물리치료 구조 템플릿 검색 | | STEM2CIF | 원자 교체 추출 및 CIF 발생 | | MatterSim Wraper | 옵션 이완 및 속성 평가 |

에이전트 하네스는 이 단계를 명시 하 고 대신 재현 전체 LLM에 단계 선택을 떠나.

새로운 것

• agent_qwen 재현 가능한 실행을 위한 하네스 라인.

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.