从提示到协议：用于实验室自动化的人工智能代理
研究人员开发了一种AI代理架构，将大型语言模型与实验室编排相结合，使科学家能够通过自然语言交互式创建和监控自动化实验室协议。该代理集成到实验编排系统（EOS）中，支持从协议创建到结果分析的完整实验生命周期，并在三个模拟自动化实验室中实现了97%的首选协议生成成功率和界面操作数量级的减少。
自动化科学实验室能够更快、更安全、更准确且更具可重复性地执行实验协议，从而加速新材料、药物等的发现与测试。然而，建立和运行自主实验室通常需要协调众多仪器和机器人，这迫使科学家编写代码、管理配置文件并应对复杂的软件基础设施。为了克服这些障碍，研究人员提出了一种新颖的AI代理架构，将大型语言模型（LLM）与实验室编排系统相结合，使科学家能够通过自然语言交互式地创建和监控自动化实验协议。
该AI代理被集成到实验编排系统（EOS）中，运行在一个具有自动验证和错误纠正能力的代理循环内。它支持完整的实验生命周期，包括协议创建、运行和监控协议及闭环优化活动，以及结果分析。此外，一个可视化图形编辑器将协议呈现为交互式节点图，并与AI代理的协议表示同步，从而实现AI辅助与手动协议构建之间的无缝切换。
研究团队在涵盖化学、生物学和材料科学的三个模拟自动化实验室中对该AI代理进行了评估。结果显示，AI代理首次尝试生成协议的成功率达到97%，并且与纯手动操作相比，所需的界面操作数量减少了一个数量级。这项研究为实验室自动化提供了一种高效、直观的解决方案，有望显著加速科研进程，减少科学家在低层次软件任务上的负担，使他们能够更专注于科学发现本身。