Репортаж от Wedoany，Принстонский университет совместно с рядом партнерских организаций недавно опубликовал результаты исследования, демонстрирующие автономную систему для изучения квантовых материалов под названием Qumus. Система осуществила автономное производство графена и изготовление транзисторов атомарной толщины в роботизированной лаборатории, что знаменует собой существенный шаг в трансформации искусственного интеллекта из цифрового помощника в ученого-экспериментатора в физической лаборатории.
В статье, опубликованной на платформе препринтов arXiv, отмечается, что платформа Qumus объединяет большие языковые модели, компьютерное зрение, робототехнику и автоматизированное экспериментальное оборудование, и названа исследовательской группой первым «ИИ-экспериментатором в области квантовых материалов». Она способна принимать запросы на естественном языке, самостоятельно разрабатывать план эксперимента, управлять оборудованием, анализировать данные, исправлять ошибки и генерировать отчеты, практически без вмешательства человека.
Исследование сосредоточено на двумерных квантовых материалах — сверхтонких кристаллах толщиной всего в несколько атомов, обладающих уникальными электрическими и квантовыми свойствами. Со времени открытия графена ученые идентифицировали тысячи слоистых материалов, которые можно отслаивать. Однако традиционные процессы их получения зависят от повторяющихся ручных операций и имеют низкую эффективность. Qumus, объединяя ИИ-агентов с роботизированной системой, реализует автоматизированную цепочку от поиска материалов до изготовления устройств. В одной из демонстраций система, получив лишь команду «дай мне чешуйку графена», самостоятельно выполнила процесс отшелушивания и отбора, в итоге выдав образец.
В ходе исследования также тестировались версии, управляемые большими языковыми моделями от разных компаний, и было обнаружено, что они различаются по осторожности действий, эффективности и другим параметрам, подобно разным стилям работы исследователей-людей. В открытом оптимизационном эксперименте система, не имея исторических данных, путем самостоятельной настройки таких параметров, как температура подложки, за четыре часа итераций успешно изготовила графеновую чешуйку заданного размера. Кроме того, система продемонстрировала способность восстанавливаться после непредвиденных ошибок: например, когда материал был намеренно удален или модель допустила ошибку распознавания, она смогла самостоятельно перестроить экспериментальный процесс и достичь цели. В самой сложной демонстрации Qumus примерно за 90 минут завершила многослойное проектирование и сборку графенового транзистора.
Несмотря на значительные результаты, исследовательская группа признает, что текущая платформа все еще имеет ограничения. Эффективность работы системы в основном ограничена временем, затрачиваемым на перемещение оборудования и физические процессы, а не скоростью вычислений ИИ. Кроме того, в настоящее время система применима только в области двумерных материалов, и ее распространение на другие дисциплины потребует значительной доработки. Возможные галлюцинации больших языковых моделей также требуют дополнительных этапов проверки. В текущих демонстрациях еще не было реализовано настоящее открытие новых материалов, но команда считает, что эта структура закладывает основу для более сложных автономных научных экспериментов в будущем. С развитием технологий ИИ и робототехники подобные системы смогут преодолеть ограничения человеческих возможностей в таких интенсивных областях, как квантовые материалы, где требуются специальные знания, и ускорить исследование более широкого спектра комбинаций материалов и методов их производства. Исследование проводилось под руководством Принстонского университета при поддержке Мичиганского университета, Национального института материаловедения Японии и других организаций.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
