Hypothesis-Driven Autonomous Materials Synthesis with Multimodal LLM Agents
Questo articolo introduce SynAgent, un framework in cui agenti di modelli linguistici di grandi dimensioni multimodali conducono autonomamente esperimenti e raffinano iterativamente ipotesi esplicite e leggibili dall'uomo sui processi di sintesi dei materiali — come l'identificazione delle finestre di temperatura ottimali per film sottili di LiCoO2 — generando adattivamente capacità di analisi e impiegando una strategia di verifica-falsificazione per andare oltre la semplice ottimizzazione verso una comprensione scientifica verificabile.