Unmodeled states and uncertain action outcomes in agentic scanning tunneling microscopy

Resumen Técnico: Estados No Modelados e Incertidumbre en los Resultados de las Acciones en la Microscopía de Efecto Túnel Agéntica

Planteamiento del Problema
Los agentes científicos autónomos se despliegan cada vez más para controlar instrumentos físicos, pero a menudo operan bajo el supuesto de que los estados experimentales y los resultados de las acciones están suficientemente especificados. En la realidad, los experimentos físicos involucran "estados no modelados" y "resultados de acciones inciertos". Las intervenciones pueden alterar estados experimentales ocultos de formas impredecibles que solo son perceptibles mediante mediciones posteriores. Esto crea un desafío crítico para los agentes: cómo interpretar las consecuencias de sus acciones cuando la información física relevante (estados ocultos) no es directamente observable, y cuando la dinámica de transición del sistema se comprende de manera incompleta. Los autores definen esto como "incertidumbre de la acción-resultado", distinta de la incertidumbre de percepción, donde la intervención de un agente puede degradar un sistema en lugar de mejorarlo, sin una forma determinista de predecir el resultado de antemano.

Metodología
Los autores investigan este problema utilizando el acondicionamiento de la punta de la Microscopía de Efecto Túnel (STM), una tarea que tradicionalmente requiere una amplia experiencia humana debido a las condiciones inaccesibles del ápice de la punta y los resultados estocásticos. Introducen Quailbot, un arnés de agente que integra agentes de Modelos de Lenguaje Extensos (LLM) directamente en el bucle de retroalimentación del instrumento.

• Arquitectura del Sistema: Quailbot vincula las intervenciones físicas con las lecturas experimentales. Proporciona al LLM cuatro herramientas de CLI de control de instrumentos: Get (leer parámetros), Set (escribir valores), Ramp (escalonar parámetros) y Act (invocar acciones con nombre).
• Definición de Estado: El sistema distingue entre estados públicos (ajustes expuestos directamente y lecturas como el voltaje de polarización y la corriente) y estados ocultos (información física decisiva experimentalmente pero no observable, como la configuración atómica del ápice de la punta).
• Aprendizaje (Apprenticeship): Los agentes LLM pasaron por un breve aprendizaje con un experto humano. Durante esta fase, el agente aprendió conocimiento procedimental (por ejemplo, agitación de la punta, pulsos de polarización) y juicio específico del dominio (distinguir escombros de la superficie de artefactos de la punta). El agente utilizó módulos de memoria y habilidades para consolidar este entrenamiento, permitiéndole refinar estrategias basadas en historiales de acciones y nuevas mediciones.
• Configuración Experimental: Los experimentos se realizaron en un STM de baja temperatura utilizando puntas de tungsteno sobre muestras de FeTe a 4 K. Los agentes fueron probados con modelos de frontera (gpt-5.6-sol, claude-opus-5) y un modelo deliberadamente menos inteligente (gpt-5.4-mini).

Contribuciones Clave y Resultados
El estudio demuestra que los agentes LLM pueden realizar de forma autónoma el acondicionamiento de puntas de extremo a extremo, pero también destaca los modos de fallo específicos derivados de los estados no modelados.

1. Entrega Autónoma de Extremo a Extremo: En ejecuciones de "solo lanzamiento" (donde el agente recibe una instrucción de tarea y opera sin intervención humana posterior), los agentes LLM de frontera acondicionaron con éxito las puntas desde estados iniciales saboteados hasta puntos finales listos para la medición.

   • Una ejecución redujo el estado de la punta de un "ápice doble" (puntuación BraggZ de 20.7) a una punta única y estable con resolución atómica (puntuación BraggZ de 295.4) en 70.8 minutos.
   • El agente demostró un razonamiento adaptativo, como retirar la punta al detectar una protuberancia o aumentar los pasos de caminata del piezo para encontrar características de "basura" triangulares.
   • Una segunda ejecución con un modelo diferente (claude-opus-5) y una punta distinta logró acondicionar la punta a pesar de un atasco en el caminante piezoeléctrico (piezo walker jam), adaptando su estrategia de reubicación a pasos más pequeños y verificados. Esta ejecución también produjo una punta con polarización de espín, evidenciada por la modulación qAFM en la transformada de Fourier, a pesar de que la polarización de espín no era un objetivo explícito.

2. Límites de la Autonomía en Escenarios No Modelados: El estudio expuso sistemáticamente los límites de la autonomía de los agentes cuando los estados relevantes estaban ocultos o no modelados:

   • Punta Doblada: Cuando un operador humano dobló intencionadamente una punta sin informar al agente, este no logró identificar la causa raíz. Reconoció anomalías en la imagen y picos de corriente, pero los atribuyó a "segundos ápices de túnel" o contaminación de la superficie. Agotó sus opciones de acondicionamiento sin resolver la red cristalina, requiriendo la intervención humana.
   • Atasco de Caminante no Revelado: Cuando ocurrió un atasco en el caminante sin divulgación previa, el agente reconoció un comportamiento anormal pero no pudo diagnosticar el atasco. Asumió incorrectamente que la punta se había movido fuera del cristal hacia el epoxi. Solo después de que el operador humano reveló el atasco y ajustó manualmente el voltaje de accionamiento (una capacidad deshabilitada en el espacio de trabajo del agente), el agente se recuperó.
   • Rotación de la Muestra: En un caso donde el agente no pudo encontrar una región de superficie limpia, sugirió el reemplazo de la punta. El operador humano resolvió el problema rotando mecánicamente el portamuestras 120 grados —una intervención física fuera de la interfaz de software del agente—. El agente entonces tuvo éxito, lo que sugiere que la punta ya estaba cerca de la condición requerida.

3. Dependencia del Modelo: Un modelo menos inteligente (gpt-5.4-mini) falló al adaptarse a un atasco de caminante divulgado, emitiendo comandos de desplazamiento cada vez mayores sin ajustar su estrategia, lo que resultó en una falta de éxito en la entrega.

Significancia y Reivindicaciones
El artículo sostiene que, si bien los agentes LLM pueden navegar con éxito flujos de trabajo experimentales complejos y con incertidumbre, su autonomía está fundamentalmente limitada por la observabilidad y los límites de acción de la interfaz del instrumento.

• Modos de Fallo: Los autores identifican una clase de fallo donde los agentes reconocen anomalías pero no pueden identificar la causa subyacente si la información necesaria no está modelada o no está disponible a través de la interfaz. Esto contrasta con los benchmarks convencionales que suelen colapsar estos problemas en fallos de razonamiento general.
• Requisitos para la Autonomía Futura: Los resultados argumentan que la experimentación física autónoma futura requiere agentes capaces de inferir estados ocultos y no modelados, rastrear los resultados de sus acciones y operar dentro de las restricciones de los instrumentos reales.
• Diseño de Instrumentos: Los autores concluyen que los instrumentos científicos "listos para agentes" deben proporcionar acceso a funciones de control y de información diagnóstica esenciales, mantener registros claros que vinculen acciones con resultados y soportar la verificación automatizada. Sin embargo, señalan que la estandarización del software por sí sola no puede revelar estructuras atómicas ni predecir los efectos estocásticos de los pulsos de acondicionamiento; se pueden requerir sensores o actuadores adicionales para cerrar la brecha entre las interfaces digitales y la realidad física.

El estudio no afirma que los LLM hayan resuelto el problema de los estados no modelados, sino que proporcionan una ruta distinta para manejar la incertidumbre mediante la planificación iterativa y la reflexión, exponiendo simultáneamente los límites específicos donde la intervención humana sigue siendo necesaria.