未明确写出 AI 角色。

提供高效的kMC求解器与局部团簇展开模型，可直接用于材料迁移率、电导率等关键动力学性质的预测，支持从第一性原理数据快速构建模型并执行大规模筛选。

服务于高通量材料筛选，具备模块化设计和Numba加速，适合集成到自动化工作流中，推动材料动力学性质的高效发现。

未明确写出 AI 角色。

提供原子级材料结构的程序化构建能力，是高通量计算流程中结构预处理的关键工具，尤其适合自动化工作流中的结构生成与转换。

该项目直接服务于材料模拟前的结构准备阶段，支持多种输入输出格式和结构操作（如超胞、表面、组合化学体系），符合高通量筛选中对结构多样性和自动化的需求。

未明确写出 AI 角色。

该项目提出了一种动态生长的脉冲神经网络架构，能够从传感器流中在线学习环境结构，具备预测编码、多巴胺调制和跨模态联想能力，适合用于自主实验系统中的实时环境建模与决策闭环。

符合自驱实验室中对自主感知-学习-行动闭环的需求，虽非专为材料实验设计，但其在线学习与结构生成机制可适配于自动化实验中的环境理解与策略优化。