從提示到協議：用於實驗室自動化的人工智慧代理
研究人員開發了一種AI代理架構，將大型語言模型與實驗室編排相結合，使科學家能夠透過自然語言互動式建立和監控自動化實驗室協議。該代理整合到實驗編排系統（EOS）中，支援從協議建立到結果分析的完整實驗生命週期，並在三個模擬自動化實驗室中實現了97%的首選協議生成成功率和介面運算元量級的減少。
自動化科學實驗室能夠更快、更安全、更準確且更具可重複性地執行實驗協議，從而加速新材料、藥物等的發現與測試。然而，建立和執行自主實驗室通常需要協調眾多儀器和機器人，這迫使科學家編寫程式碼、管理配置檔案並應對複雜的軟體基礎設施。為了克服這些障礙，研究人員提出了一種新穎的AI代理架構，將大型語言模型（LLM）與實驗室編排系統相結合，使科學家能夠透過自然語言互動式地建立和監控自動化實驗協議。
該AI代理被整合到實驗編排系統（EOS）中，執行在一個具有自動驗證和錯誤糾正能力的代理迴圈內。它支援完整的實驗生命週期，包括協議建立、執行和監控協議及閉環最佳化活動，以及結果分析。此外，一個視覺化圖形編輯器將協議呈現為互動式節點圖，並與AI代理的協議表示同步，從而實現AI輔助與手動協議構建之間的無縫切換。
研究團隊在涵蓋化學、生物學和材料科學的三個模擬自動化實驗室中對該AI代理進行了評估。結果顯示，AI代理首次嘗試生成協議的成功率達到97%，並且與純手動操作相比，所需的介面運算元量減少了一個數量級。這項研究為實驗室自動化提供了一種高效、直觀的解決方案，有望顯著加速科研程序，減少科學家在低層次軟體任務上的負擔，使他們能夠更專注於科學發現本身。