科学実験室の自動化は、プロトコルの実行をより迅速かつ安全、高精度、再現性の高いものにし、新材料や薬剤などの発見と試験を加速する。しかしながら、自律実験室の構築と運用には多数の機器やロボットの協調が必要であり、科学者はコードを書き、設定ファイルを管理し、複雑なソフトウェア基盤を扱わなければならない。
この課題に対して、研究チームは大規模言語モデルと実験室オーケストレーションを統合するAIエージェントアーキテクチャを提示した。これにより科学者は自然言語を用いて、自動化された実験プロトコルの作成と監視を対話的に行える。このエージェントはExperiment Orchestration System（EOS）に組み込まれ、自動検証とエラー訂正を伴うエージェントループの下で動作する。
機能面では、プロトコルの作成から、プロトコル自体および閉ループ最適化キャンペーンの実行・監視、さらに結果の分析まで、実験ライフサイクル全体を支援する。この end-to-end の支援により、科学者は複数のツールを行き来したり、低レベルのコードを手作業で書いたりする必要がなくなる。
また、AI支援と手動制御を滑らかに接続するため、システムはビジュアルグラフエディタを備える。これはプロトコルをインタラクティブなノードベースの図として描画し、AIエージェントのプロトコル表現と同期させる。これにより科学者は、AI支援による構築と手動による構築をシームレスに切り替えられ、柔軟性と実験フローへの掌控の両方を保てる。
研究チームは化学・生物学・材料科学をそれぞれ対象とする3つのシミュレーション自動実験室で評価を実施した。その結果、AIエージェントは初回プロトコル生成成功率97%を達成し、必要なインターフェース操作を一桁削減した。これは自然言語による実験室オーケストレーションが利用障壁の低減に実用的な可能性を持つことを示している。
本論文は2026年5月15日にarXivへ投稿され、著者はAngelos Angelopoulos氏ほか2名で、人工知能（cs.AI）とロボティクス（cs.RO）を主題としている。