Newest papers

GBClaw: An agentic AI framework for atomistic grain boundary research and mechanistic discovery

Yazhuo Liu, Kunqing Ding, Xiaoguo Gong, Zifeng Wang, Yichen Yang, Yifeng Che, Wen Chen, Josh Kacher · 2026 · arXiv

DOI: 10.48550/arXiv.2610.28629 · open-access PDF

Russian

Агентские системы искусственного интеллекта (AI) обладают огромным потенциалом для автоматизации сложных рабочих процессов в области обнаружения и проектирования материалов, но расширение их до домена интенсивных механических исследований остается сложной задачей. Здесь мы представляем GBClaw, агентскую структуру ИИ для исследования структуры и деформации общих границ зерна (GBs). Хотя общие GB составляют подавляющее большинство интерфейсов реального мира в поликристаллических материалах, они остаются недооцененными, потому что их структурная сложность и несовпадение между лицами усложняют экспериментальные и моделирующие исследования.

Machine translation (Meta M2M100); the English original follows.

Abstract

Agentic artificial intelligence (AI) systems hold immense potential for automating complex workflows in materials discovery and design, but extending them to domain-intensive mechanistic investigations remains challenging. Here, we present GBClaw, an agentic AI framework for investigating the structure and deformation of general grain boundaries (GBs). Although general GBs constitute the vast majority of real-world interfaces in polycrystalline materials, they remain understudied because their structural complexity and interfacial mismatch complicate experimental and modeling research. GBClaw

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange