ChemGraph-XANES: An Agentic Framework for XANES Simulation and Analysis

ChemGraph-XANES is een agentisch framework dat de complexiteit van computationele XANES-simulaties vermindert door natuurlijke taalopdrachten om te zetten in parallelle, reproduceerbare workflows voor hoogwaardige databasengeneratie en analyse.

De kern

ChemGraph-XANES: De Slimme Chef-Kok voor Moleculaire Foto's

Stel je voor dat je een heel complexe machine wilt begrijpen, zoals een horloge of een motor. Je wilt weten hoe de onderdelen precies in elkaar zitten, wat ze doen en hoe ze bewegen. In de chemie doen wetenschappers iets vergelijkbaars, maar dan op het niveau van atomen. Ze gebruiken een speciale techniek genaamd XANES (een soort röntgenfoto) om te kijken hoe atomen in een stof met elkaar verbonden zijn.

Het probleem is echter: het maken van deze "röntgenfoto's" met de computer is vaak als het bouwen van een auto uit losse onderdelen terwijl je een handleiding van 500 pagina's moet lezen. Het is veel werk, saai en als je één foutje maakt, is de hele auto (of in dit geval, de berekening) waardeloos.

ChemGraph-XANES is een nieuw, slim systeem dat dit hele proces overneemt. Het is als een robot-assistent die je helpt om die complexe foto's te maken, zonder dat jij de handleiding hoeft te lezen.

Hier is hoe het werkt, vertaald in alledaagse termen:

1. De "Chef-Kok" en de "Kokken" (Agenten)

Stel je een restaurant voor.

• Jij bent de klant: Je zegt gewoon: "Ik wil een foto maken van het ijzer in dit roestvrijstalen mes" of "Kijk eens naar dit stukje koper." Je hoeft niet te weten welke potten en pannen er nodig zijn.
• De Chef-Kok (De Expert-Agent): Dit is de slimme robot die de handleiding van de "FDMNES" (de grote, ingewikkelde machine die de foto's maakt) kent. Als jij iets vraagt, kijkt deze chef in zijn digitale kookboek om te zien welke instellingen je nodig hebt. Hij zorgt dat je geen fouten maakt door zomaar iets te raden.
• De Kokken (De Uitvoerende Agenten): Dit zijn de handen die het werk doen. Ze nemen de instructies van de Chef, pakken de juiste ingrediënten (de atoomstructuren), zetten de machine aan en wachten tot het resultaat er is.

2. Twee Manieren om te Bestellen

Het mooie aan ChemGraph-XANES is dat je op twee manieren kunt bestellen:

• De "Mijn eigen recept"-manier: Je hebt al een specifiek bestand (een foto van een molecuul) op je computer staan. Je zegt: "Gebruik dit bestand." De robot pakt het bestand, bereidt het voor en maakt de foto.
• De "Ik wil iets nieuws"-manier: Je zegt gewoon: "Ik wil een foto van Titanium in Titaniumdioxide." De robot denkt dan: "Ah, Titaniumdioxide! Ik ga dat opzoeken in een grote database (als een bibliotheek van alle bekende stoffen), haalt het juiste molecuul, en maakt de foto."

3. De Super-Snelheid (HPC)

Normaal gesproken moet je één voor één foto's maken. Dat duurt eeuwen als je duizenden stoffen wilt testen.
ChemGraph-XANES werkt als een conciërge in een groot hotel met duizenden kamers. In plaats van één kamer per uur schoon te maken, stuurt hij 100 mensen tegelijkertijd naar 100 verschillende kamers. Omdat elke foto van een molecuul onafhankelijk is, kan de computer duizenden berekeningen tegelijkertijd uitvoeren op superkrachtige computers. Hierdoor kun je in no-time een enorme database maken van alle mogelijke foto's.

4. De "Receptenboek"-Check (Geen Hallucinaties)

Soms denken slimme computers dat ze alles al weten en verzinnen ze dingen (hallucinaties). Dit is gevaarlijk in de wetenschap.
ChemGraph-XANES lost dit op door de Chef-Kok altijd eerst in het echte FDMNES-handboek te laten kijken. Als je vraagt: "Hoe stel ik de energie in?", kijkt de Chef in het boek, leest het antwoord en geeft dat door. Hij verzonnt niets; hij baseert alles op feiten uit de handleiding.

5. Het Eindresultaat: Een Schone Database

Aan het einde van de dag heb je niet alleen ruwe data, maar een geordende, schone database.
Stel je voor dat je een grote doos met losse foto's hebt. Sommige zijn donker, sommige zijn te licht. ChemGraph-XANES zorgt ervoor dat alle foto's dezelfde helderheid hebben, ze netjes in een mapje met naamplaatjes worden gelegd, en dat je precies weet welke foto bij welk molecuul hoort. Dit maakt het voor andere wetenschappers (of zelfs kunstmatige intelligentie) heel makkelijk om later met die data te werken.

Samenvattend

ChemGraph-XANES is als een slimme, onzichtbare assistent die de saaie, moeilijke en tijdrovende taken van het maken van moleculaire foto's overneemt.

• Je praat er gewoon mee (in gewoon Nederlands of Engels).
• Hij zoekt de juiste stoffen op of gebruikt jouw bestanden.
• Hij leest de handleiding om fouten te voorkomen.
• Hij doet duizenden foto's tegelijkertijd.
• Hij levert je een nette, gebruiksklare database op.

Hierdoor kunnen wetenschappers zich concentreren op het ontdekken van nieuwe materialen, in plaats van vast te zitten aan het rekenen van de foto's.

Technische samenvatting

Titel: ChemGraph-XANES: Een Agentic Framework voor XANES-simulatie en -analyse

1. Het Probleem

Computationele X-ray Absorption Near-Edge Structure (XANES) is een cruciale techniek voor het onderzoeken van lokale coördinatieomgevingen, oxidatietoestanden en elektronische structuren in chemisch complexe systemen. Hoewel de onderliggende simulatiemethoden (zoals FDMNES) robuust zijn, vormt de workflow-complexiteit de grootste beperking voor grootschalig gebruik.

Traditionele workflows vereisen handmatige of ad-hoc scripts voor:

• Het voorbereiden of ophalen van kandidaat-structuren.
• Het identificeren van absorberende atoomsites.
• Het specificeren van berekeningsparameters en het genereren van specifieke invoerbestanden.
• Het organiseren van vele onafhankelijke runs, het extraheren van spectrale output en het toepassen van consistente normalisatie.
• Het behouden van de herkomst (provenance) die elk spectrum koppelt aan de oorspronkelijke structuur.

Deze handmatige stappen maken workflows moeilijk te hergebruiken, te reproduceren en te schalen, vooral voor high-throughput screening, ensemble-studies en het genereren van datasets voor machine learning (ML).

2. Methodologie

De auteurs presenteren ChemGraph-XANES, een agentic framework dat natuurlijke taal-opdrachten koppelt aan gestructureerde computatiewerkstromen. Het systeem is gebouwd op een stack van bestaande tools: ASE (voor atomaire structuur), FDMNES (de simulatie-engine), Parsl (voor parallelle uitvoering) en LangGraph/LangChain (voor de agent-interfaces).

Kerncomponenten van de architectuur:

• Agente Orkestratie: Het framework exposeert XANES-werkstroomoperaties als getypeerde Python-tools. Een Large Language Model (LLM) fungeert als orkestrator die gebruikersvragen interpreteert, de juiste tool selecteert en parameters mappet naar gestructureerde functiedefinities.
• Multi-Agent Modus:
  • Planner/Worker: De planner deconstrueert gebruikersverzoeken in subtaken die door worker-agents worden uitgevoerd.
  • Retrieval-Augmented Expert Agent: Een gespecialiseerde agent raadpleegt de FDMNES-handleiding (in markdown) via een kennisbank. Deze agent geeft onderbouwde richtlijnen voor parameterkeuze (bijv. absorberende atomen, clusterstraal), waardoor hallucinaties worden verminderd en de keuze transparant wordt.
• Invoermodaliteiten: Het systeem ondersteunt twee hoofdingangen:
  1. Bestandsgebaseerd: Directe invoer van lokale structuurbestanden (bijv. POSCAR, CIF).
  2. Chemisch-Natuurlijke Taal: Vragen zoals "Bereken XANES voor Ti in TiO2", waarbij de agent automatisch de structuur ophaalt uit de Materials Project-database en de absorber identificeert.
• Automatische Invoergeneratie: Het framework genereert automatisch fdmfile.txt en fdmnes in.txt bestanden vanuit ase.Atoms objecten. Het onderscheidt automatisch tussen periodieke (kristal) en niet-periodieke (molecuul) structuren.
• High-Throughput Uitvoering: Omdat individuele XANES-berekeningen onafhankelijk zijn, wordt het framework uitgevoerd via Parsl op High-Performance Computing (HPC) systemen. Dit maakt task-parallelle uitvoering mogelijk voor duizenden structuren.
• Provenance en Data Curation: Elke berekening wordt gekoppeld aan de oorspronkelijke structuur (via Materials Project ID of bestandsnaam). Resultaten worden opgeslagen in een gestructureerde database (atoms db expanded.pkl) met zowel ruwe als genormaliseerde spectra.
• Spectrale Normalisatie: Een geautomatiseerde routine past lineaire baselines toe (pre-edge en post-edge) en normaliseert het spectrum ten opzichte van de randstap (edge-step) bij de energie $E_0$, wat cruciaal is voor vergelijkingen en ML-toepassingen.

3. Belangrijkste Resultaten

De auteurs demonstreren de functionaliteit van ChemGraph-XANES via drie scenario's:

1. Documentatie-gebaseerde parameterretrieval: De expert-agent slaagt erin om vragen over FDMNES-parameters (zoals de standaardkeuze van absorberende atomen of hoe dotering te simuleren) correct te beantwoorden door de handleiding te raadplegen. Dit verifieert dat de agent geen willekeurige keuzes maakt, maar gefundeerde adviezen geeft.
2. Bestandsgebaseerde specificatie: Het systeem verwerkt succesvol een lokale POSCAR-file voor een MnO2-slab en berekent het spectrum voor een Cu-absorber, zonder databasezoekopdracht.
3. Natuurlijke taal specificatie: Op basis van de vraag "Bereken XANES voor Ti in TiO2", haalt de agent de TiO2-structuur op uit de Materials Project, identificeert Ti als absorber (Z=22), en voert de volledige workflow uit.

In alle gevallen worden genormaliseerde spectra gegenereerd met bijbehorende visualisaties en volledige herkomstgegevens.

4. Bijdragen

• Unificatie van Workflow: Het koppelt natuurlijke taal-interface aan robuuste, fysica-gebaseerde software (FDMNES) via een gestructureerde tool-lay-out.
• Schalbaarheid: Het maakt XANES-berekeningen schaalbaar naar HPC-omgevingen door gebruik te maken van task-parallelle uitvoering, wat essentieel is voor ML-datasetgeneratie.
• Reproduceerbaarheid: Door het scheiden van de gebruikersinterface (vraagstijl) van de backend-logica en het gebruik van schema-gelideerde tools, wordt een consistente audit trail gegarandeerd.
• Documentatie-integratie: De introductie van een retrieval-augmented expert agent die de FDMNES-handleiding raadpleegt, verhoogt de betrouwbaarheid van parameterkeuzes en vermindert de afhankelijkheid van "black box" LLM-kennis.

5. Betekenis en Toekomstperspectief

ChemGraph-XANES biedt een praktische basis voor reproduceerbaar en uitbreidbaar XANES-onderzoek. Het verlaagt de drempel voor onderzoekers om complexe spectroscopische simulaties uit te voeren, terwijl het de wetenschappelijke integriteit behoudt.

De framework is bij uitstek geschikt voor:

• Het genereren van grote databases van spectra voor machine learning.
• High-throughput screening van materialen.
• Iteratieve vergelijkingen met experimentele data.

De auteurs erkennen echter dat de autonomie van de agenten momenteel beperkt is tot schema-gelideerde parameters om fouten te voorkomen. Naarmate LLM's betrouwbaarder worden, kan de reikwijdte van controleerbaar parameters worden uitgebreid, maar altijd met behoud van documentatie-gebaseerde validatie.

Conclusie: ChemGraph-XANES transformeert XANES-simulatie van een handmatige, script-gedreven taak naar een geautomatiseerde, agent-gestuurde workflow die zowel toegankelijk als schaalbaar is voor de moderne computatiechemie.