使用 LLM 引导树搜索优化三维光伏结构

我们提出了一个案例研究，说明人工智能编码系统如何用于生成新颖的科学假设。我们将通用 编码智能体（Google 的 AntiGravity）与 LLM 驱动的树搜索算法（经验研究援助/ERA）相结合，自动生成高效三维光伏（3DPV）结构，克服中纬度地区平板太阳能电池板的损耗限制。这些结构通过全天与太阳呈现有利的角度来运行，出于说明目的，我们重点关注优化单个太阳日的性能。我们的工作流程首先使用 AntiGravity 重现计算\cite{bernardi2012solar}，显示 3DPV 的能量密度比固定平板光伏电池板高得多。我们使用这些初始设计作为大规模树搜索的起点，我们寻求改进的解决方案并对它们的每日产量进行评分。最初的树搜索名义上会带来更有效的解决方案，但它们是由算法 奖励作弊 引起的，源自非物理设计功能，例如结构悬浮断开层和光学解算器中离散化的利用。为了解决这个问题，我们开发了一个工作流程，其中 编码智能体 通过约束迭代地修补物理引擎，以消除 奖励作弊。随着 奖励作弊 的消除，ERA 发现了一系列具有各种约束和改进性能的设计，包括具有不同固定集电极区域的优化设计、优化天顶跟踪和避免自阴影。将 编码智能体 与树搜索 (ERA) 相结合，为科学发现提供了强大的平台，适用于可以通过评分函数对解决方案进行经验评估的问题。