Автономия вместо рутины
Самоуправляемые лаборатории (SDL) обещают ускорить научные открытия, но их работа часто требует участия специалистов для настройки замкнутых циклов оптимизации. Команда во главе с Марселем Мюллером из Университета Торонто (в соавторстве с Alán Aspuru-Guzik) представила La Agente Óptima — агентную框架, которая берет на себя эту задачу. Система использует большие языковые модели (LLM) для рассуждений, но отделяет их от выполнения рутинных операций, сохраняя постоянное состояние оптимизации.
Как это работает
Ключевая особенность Óptima — разделение логики LLM и физического выполнения. Агент запускает кампании байесовской оптимизации, но возвращает контроль специалисту только тогда, когда требуется интерпретация данных или пересмотр стратегии. Каждое решение записывается и может быть проверено (auditable). Это позволяет системе работать долго и стабильно, адаптируясь к изменениям в среде.
Результаты тестирования
Система была протестирована на пяти цифровых задачах и двух физических платформах. Вот ключевые метрики эффективности:
| Параметр | La Agente Óptima | Человеческий контроль |
|---|---|---|
| Выход реакции (flow-chemistry, 5 дней) | 59% (рост с 30%) | Ниже (по данным исследования) |
| Количество экспериментов | 23 | Больше (менее эффективно) |
| Затраты на инференс LLM | Значительные | Отсутствуют (но выше затраты времени/материалов) |
| Использование реагентов | Меньше (масс-эффективная точка) | Больше |
Умная коррекция ошибок
В эксперименте с оптимизацией краевого угла смачивания (contact angle) система столкнулась с аномалией: значение выросло до 71.4°, тогда как целевой диапазон составлял 64–66°. Вместо того чтобы просто продолжать поиск, Óptima проанализировала контекст, выявила сбой измерений и сделала вывод, что текущие реагенты не позволят достичь цели. Агент рекомендовал сменить формулировку, что сэкономило время и материалы.
Значение для науки
Работа демонстрирует, что LLM-агенты могут делать сложные кампании оптимизации доступными для ученых-предметников без необходимости глубокой настройки IT-инфраструктуры. Это расширяет границы применения SDL, позволяя автоматизировать не просто сбор данных, а принятие стратегических решений в реальном времени.
Источник: arXiv cs.AI ↗