Editorial Ilmu Komputer & AI
Open AccessOA2026
PVmatAgent: Agen Large Language Model (LLM) untuk Desain dan Analisis Material Fotovoltaik Perovskite
Agen komputasional otonom berbasis LLM yang mengintegrasikan 11 alat khusus domain untuk desain material fotovoltaik perovskite, dengan pemotongan halusinasi dan retrieval-augmented generation.
Hang-Yuan Deng; Yu-Yan Wu; You-Le Wang; Lei Zhang· Materials Genome Engineering Advances· 2026· DOI 10.1002/mgea.70102
Masalah inti
Kemajuan pesat large language model (LLM) telah membuka peluang baru bagi informatika material. Namun, LLM masih kurang memadai dalam desain material fotovoltaik (PV) karena tidak memiliki landasan domain, keluarannya tidak andal, dan tidak mampu melakukan tugas komputasi terintegrasi. Untuk mengatasi masalah tersebut, karya ini menyajikan PVmatAgent, agen komputasional otonom berbasis LLM yang dirancang khusus untuk desain dan analisis material PV. Sistem ini bertujuan menyediakan paradigma praktis bagi agen otonom berbasis LLM dalam penemuan material optoelektronik yang digerakkan AI.
Inovasi
Sistem divalidasi pada empat skenario representatif. Hasil menunjukkan bahwa PVmatAgent secara efektif menjalankan tugas komputasi dan memberikan rekomendasi korektif yang didasarkan pada bukti literatur untuk desain material fotovoltaik. Integrasi berbagai alat memungkinkan analisis menyeluruh, dari pengambilan struktur hingga evaluasi kinerja, sementara mekanisme pemotongan halusinasi menjamin keandalan numerik.
Kemajuan pesat large language model (LLM) telah membuka peluang baru bagi informatika material. Namun, LLM masih kurang memadai dalam desain material fotovoltaik (PV) karena tidak memiliki landasan domain, keluarannya tidak andal, dan tidak mampu melakukan tugas komputasi terintegrasi. Untuk mengatasi masalah tersebut, karya ini menyajikan PVmatAgent, agen komputasional otonom berbasis LLM yang dirancang khusus untuk desain dan analisis material PV. Sistem ini bertujuan menyediakan paradigma praktis bagi agen otonom berbasis LLM dalam penemuan material optoelektronik yang digerakkan AI.
PVmatAgent mengintegrasikan 11 alat khusus domain yang diorganisasi ke dalam 9 modul fungsional. Alat-alat tersebut meliputi:
Mengapa penting
PVmatAgent mengatasi keterbatasan utama LLM dalam ilmu material dengan menggabungkan alat khusus domain dengan basis pengetahuan RAG dan mekanisme pemotongan halusinasi. Pendekatan ini memungkinkan alur kerja komputasional yang otonom, andal, dan terintegrasi untuk desain material PV perovskite. Validasi yang berhasil pada empat skenario menunjukkan bahwa agen berbasis LLM semacam ini dapat mempercepat penemuan material optoelektronik yang digerakkan AI. Pekerjaan selanjutnya dapat memperluas perangkat alat dan meningkatkan generalisasi ke kelas material lain.
Siapa yang sebaiknya membaca
Praktisi dan peneliti ilmu komputer
Membuka konten member…