使用场景
在生物启发材料领域，通过连接'丝'和'能源密集型'等关键词，提出新的研究假设。
通过智能系统自主生成的研究假设，指导进一步的科学探索。
利用系统生成的详细文档，为材料设计和属性提供深入见解。
产品特色
利用大规模本体知识图谱组织和连接不同的科学概念。
集成大型语言模型和数据检索工具。
多智能体系统具备现场学习能力。
自动化生成和完善研究假设。
揭示材料的潜在机制和设计原则。
模块化整合，实现材料发现和加速先进材料开发。
通过'群体智能'类似生物系统的方式，提供新材料发现的新途径。
使用教程
1. 安装必要的GraphReasoning包和API。
2. 从GitHub克隆SciAgentsDiscovery仓库。
3. 运行Notebooks目录下的Jupyter笔记本文件。
4. 根据需求选择非自动化或自动化多智能体框架。
5. 使用AutoGen生态系统进行自动化多智能体模型的实现。
6. 利用系统生成的研究假设进行进一步的科学探索和实验验证。
7. 分析系统提供的详细文档，提取关键信息和研究假设。
8. 根据系统反馈，调整研究方向和实验设计。
