AutoMat - это сквозная агентная структура для перехода от сканирующей передачи изображения электронной микроскопии (STEM) для реконструкции кристаллической структуры и Анализ свойств материалов.

AutoMat был принят в ICML 2026.

Текущий выпуск также включает в себя явный agent_qwen слой ремня безопасности с стандартизированные линии ремней безопасности, прием запросов на естественном языке, навыки Markdown, и небольшой демо-версии браузера для интерактивного тестирования.

##Ресурсы

AutoMat: Включение автоматической реконструкции кристаллической структуры из микроскопии с помощью агентного инструмента Набор данных: STEM2Mat на обнимающем лице

• Код: Yyt-2378/AutoMat

##Трубопровод

AutoMat состоит из четырех научных модулей:

Модуль | Роль [править править код] | MOE-DIVAESR | Паттерн-адаптивное порицание и супер-разрешение | | Шаблон ретривер | Физика-сдержанная структура-шаблон поиска | | STEM2CIF | Атомно-координатная добыча и генерация CIF | | MatterSim Wrapper | Дополнительное расслабление и оценка имущества

Агентная упряжка делает эти шаги явными и воспроизводимыми вместо того, чтобы их использовать. Оставляя выбор шага полностью LLM.

##Что нового

• [[Т1]] ремни для воспроизводимого исполнения.

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.