Lattice：面向材料专家的本地科研 agent

背景

近年来，“科学第五范式”、机器学习加速材料发现、智能模拟实验平台、自主合成机器人等方向广受关注。这些工作展示了自动化方法在材料科学中的潜力，也使部分研究者担心传统试错法被取代。

但在材料科学与工程的多数子方向中，基于专家经验的”尝试 → 表征 → 试错 → 迭代”仍然是主流方法论。其原因主要包括：

• 候选材料空间在合成可行性、成本和安全性约束下，远小于纯计算搜索得到的范围；
• 实验谱图普遍存在本底干扰、峰位重叠和择优取向，模型在真实数据上的泛化能力显著低于干净 benchmark；
• “某体系是否值得继续推进”的判断依赖跨数据、跨文献、跨直觉的综合推理，目前 agent 的可靠性不足以替代有经验的研究者。

在自主发现尚不成熟的现状下，一个更现实的目标是：为传统试错法中可被自动化的慢步骤（数据格式转换、寻峰拟合、文献检索、报告整理等）提供工具支持，让研究者将注意力集中在判断与决策环节。

Lattice 即为此目标设计。

项目定位

Lattice 是一款本地运行的 agent-app（Electron + Python worker 架构），目标用户为材料领域的研究生、工程师与 PI。其设计原则：

• 不替代专家判断——agent 输出可被审阅、否决、修改，写盘类工具均带 review 卡片；
• 本地优先——数据、模型、计算均在用户机器上，工作空间以 artifact 形式持久化；
• 聚焦表征侧——优先解决谱图与曲线类数据的分析瓶颈，而非完整的合成 - 表征 - 性能闭环。

能力概览

1. 谱图分析

每一步均封装为 agent 可调用的工具，同时在 UI 上保留人工接管入口。

2. 通用曲线

支持应力 - 应变、TGA、循环伏安、电池充放电等通用 X-Y 数据的解析、平滑和特征点提取（屈服点、断裂点、起始/终止温度等）。

3. 文献调研

集成 Crossref / arXiv 在线检索与本地 PDF 入库，agent 在分析过程中可基于 RAG 引用用户库中的论文，而非依赖训练数据。

4. 数据管理

每次分析的原始数据、中间产物和报告以 artifact 形式落入虚拟工作空间，agent 可在多次会话间恢复上下文。

附带能力（非头部功能）：3D 晶体结构可视化、内置 conda 环境直接执行 Python / LAMMPS / CP2K 任务、浏览器内 LaTeX 编译。

当前 benchmark

要点说明：

• XPS 83.1%：全谱元素识别 + 大致原子比已具备生产可用性；配合人工 review 可显著缩短查谱表时间。
• XRD 双相 90.3%：在常见简单合成体系上的物相归属基本可直接使用；典型错误集中在弱衍射相、择优取向，以及数据库未收录的固溶体。
• XRD 三相 77.7%：相比双相下降约 13 个百分点，主要原因是衍射峰重叠加剧、低强度峰归属难度上升。后续计划通过 agent 候选物相 → BGMN 反向 Rietveld 验证 → 残差筛选 的流程补强。
• Raman 63.5%：当前最弱项。Raman 库稀疏、激光波长与荧光本底差异大是主要扰动来源。短期内 Raman 模块仅作辅助比对使用；优化路线优先处理基线与仪器漂移。

数字为阶段性结果，将持续更新。

接入方式

Lattice-app 的本地工具不依赖外部服务；需要连接授权接口时，通过 Lattice 页面 使用 chaxiejun.xyz 账号完成登录授权。桌面端只接收面向当前设备的授权结果，真实上游密钥不会发送到本机。

账号认证用于连接已授权的接口服务，并保留必要的用量、配额和异常审计记录。材料数据、工具调用和计算结果仍围绕本地工作区组织。

项目状态

• 当前重点是打通账号认证、材料表征分析、结构建模、计算脚本和科研写作的连续工作流。
• 近期迭代方向：
  • XRD 三相归属：引入 BGMN 反向 Rietveld 验证；
  • Raman：优先处理基线和仪器漂移；
  • benchmark 数据集计划开源，便于横向对比；
  • 授权接口侧继续完善配额、成本和异常调用审计。

如对具体能力（Rietveld 自动化、XPS Voigt 拟合工作流、本地 RAG 等）有兴趣，欢迎单独沟通。

入口：Lattice 页面。