HERA: Assessing an Autonomous Agent for Quantum Device Measurement
该论文介绍了 HERA，一个配备了精选知识库 way 的自主智能体，它成功地完成了低温量子器件测量并达到了专家级的结论，证明了在任务特定领域知识的支持下，语言模型智能体能够开展严谨的实验科学研究。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在那些科学家研究物质基本组成部分的寂静且极冷的实验室里，研究人员正从仅有几个原子厚的碳片中组装微型机器。这些是量子器件，为了理解它们的工作原理，科学家必须在改变温度和磁场等条件的同时，测量电流如何流经它们。挑战在于，这些机器极其敏感，而且可能的测量空间如此巨大，以至于没有任何人类能够检查每一个可能性。相反，科学家必须选择特定的、有针对性的测试来回答一个单一的问题，从而一步步构建结论。如果其中一个步骤被误解，最终答案就可能出错。长期以来，这一精细的过程一直需要人类专家的沉稳手感和深厚经验，但一项新研究提出了一个问题：计算机程序是否也能像人类一样出色地完成这项工作。
研究人员引入了一个名为 HERA 的自主智能体，这是一个旨在无需人类持续指导即可运行这些复杂实验的系统。与遵循僵化指令列表的简单机器人不同，HERA 更像是一位被赋予了实验室最佳实践、软件工具和过往研究笔记库的初级科学家。该系统阅读关于目标的简短描述，咨询其知识库以决定测量什么，编写运行实验的代码，然后分析数据以得出结论。为了测试这种方法是否真的有效，团队设置了一系列严格的试验，要求 Hera 确定两个特定石墨烯器件的内部结构。这些器件的结构（即堆叠顺序）会改变它们的导电方式，但这种差异非常微妙且难以察觉。在实验开始前，一位专家科学家将自己的答案封存在一个加密文件中，确保无论是计算机还是人类操作员在最后之前都不知道正确结果。
HERA 成功完成了实验，对器件进行了必要的测量，并得出了与专家密封答案一致的结论。该系统通过遵循一条逻辑路径完成了任务：它首先检查器件是否健康，然后进行快速抽检以观察材料对磁场的反应，最后进行详细且耗时的扫描，以绘制电子行为的图谱。当计算机分析数据中的模式时，它正确识别了碳层的排列方式。至关重要的是，研究表明，这种成功在很大程度上取决于知识库。当研究人员在没有协议和规则库的情况下测试该系统——仅给它原始的软件工具时——计算机仍然尝试运行实验，但却犯了错误。在一种情况下，由于缺乏正确解释数据所需的特定规则，它得出了错误的结论。在另一种情况下，它过早停止，未能收集足够的证据来确保结论的可靠性。这证明了计算机的科学推理能力不仅来自于其通用智能，更来自于人类团队提供的特定且经过策划的指令。
为了观察该系统是否能够学习和改进，研究人员还进行了数百次模拟试验，让计算机在不实际运行实验的情况下设计实验。在这些模拟中，拥有完整知识库的计算机设计的实验始终比没有知识库的计算机更优越、更高效。它选择的测量范围更有可能揭示真相，并且耗时更短。随后，团队测试了该系统是否能处理一个全新的问题。他们要求 HERA 在另一种材料中寻找一种被称为“超导性”的稀有物质状态。在人类专家花费几个小时为这一特定任务编写了一套新的指令后，HERA 接管了工作。它自主搜索了这一现象，找到了它，并表征了其特性，包括超导性如何随温度变化。当有人指出它最初的计划中未检查完整范围的可能性时，系统甚至捕捉到了自己计划中的错误，并纠正航向以找到答案。
研究结果表明，在适当的支持下，人工智能可以超越简单的资料收集，转而执行严谨的实验科学。这项研究并未表明计算机可以完全取代人类科学家；相反，它表明它们可以成为可靠的伙伴，处理测量和分析中繁琐的高维工作。该系统的结论经受住了专家的审查，其适应新问题的能力预示着未来这些智能体可以帮助科学家更快速、更彻底地探索物理学的前沿。通过将大语言模型的灵活性与严格的人类验证知识库相结合，研究人员构建了一个能够思考实验过程、执行实验并从结果中学习的工具，同时确保精密设备的安全性与数据的可信度。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。