Forscher des US-Energieministeriums (DOE) Argonne National Laboratory haben mit ChemGraph ein quelloffenes, KI-gestütztes Framework vorgestellt, das computergestützte Simulationen in der Chemie und Materialwissenschaft signifikant beschleunigt. Die Veröffentlichung erfolgte kürzlich im Fachjournal Communications Chemistry. Das Framework zielt darauf ab, die oft komplexen Workflows der quantenchemischen Modellierung zu vereinfachen und so die Forschung an Schlüsseltechnologien wie Hochleistungsbatterien und effizienteren Verbrennungsmotoren voranzutreiben. Entwickelt wurde ChemGraph von Murat Keçeli und Thang Duc Pham vom Argonne National Laboratory in Zusammenarbeit mit Aditya Tanikanti, der inzwischen am SLAC National Accelerator Laboratory forscht. Die Architektur basiert auf einem multi-agentenbasierten System, das große Sprachmodelle nutzt, um naturwissenschaftliche Fragestellungen aus natürlicher Sprache in sequenzielle Rechenoperationen zu übersetzen. Dabei übernimmt ein spezialisierter Planungsagent die Workflow-Struktur, während kleinere Modelle die eigentliche Datenausführung übernehmen. Diese Aufteilung spart Rechenressourcen und verhindert Halluzinationen, da das System gezielt auf physikbasierte Simulationswerkzeuge zurückgreift, anstatt rein statistisch zu antworten. Die Rechenlast wird durch die Integration in die Infrastruktur des Argonne Leadership Computing Facility bewältigt. Zur Laufzeit der anspruchsvollen Quantensimulationen kommt der Exascale-Supercomputer Aurora zum Einsatz, während auf das ALCF Inference Service zurückgegriffen wird, um KI-Modelle sicher und kosteneffizient direkt auf der High-Performance-Computing-Plattform auszuführen. Dieses Zusammenspiel von KI-Inferenz und Hochleistungsrechnen unterstreicht den strategischen Ansatz im Rahmen der DOE-Initiative Genesis Mission. Erste Anwendungsbelege deuten auf eine hohe praktische Relevanz hin. Das Framework wurde bereits erfolgreich für die Automatisierung von XANES-Spektroskopie-Workflows sowie für hochohmiges Material-Screening auf Aurora adaptiert. Da ChemGraph quelloffen ist, erfreut es sich wachsender Aufmerksamkeit im akademischen Raum, wo es als Lehrmittel dient und Studierenden ermöglicht, eigenständig Forschungsfragen zu bearbeiten. Erweiterte Funktionen wurden bereits durch gemeinsame Entwicklungstreffen implementiert. Das übergeordnete Ziel der Entwickler besteht darin, ChemGraph als nutzerfreundlichen Dienst für ALCF-Nutzer verfügbar zu machen. Langfristig streben sie eine steigende Autonomie an, bei der Planung, Ausführung und Optimierung komplexer Workflows mit minimalem menschlichem Eingriff ablaufen. Durch die Reduktion manueller Fehler soll die Brücke zwischen theoretischer Modellierung und praktischer Laborentwicklung geschlagen werden, was gescheiterte Experimente reduziert und die Translation von Simulationsergebnissen in reale Innovationen beschleunigt.