Optima Agent：迈向智能自主实验室

自驱动实验室（SDL）结合自动化实验与自适应决策以加速科学发现。其运行通常依赖人类专家将科学目标转化为可执行的闭环实验方案，专家会根据数据和运行条件变化调整方案。本文提出La Agente Óptima，一种智能体框架，能够在计算和实验系统间构建并监督贝叶斯优化任务，同时保持持续的优化状态。通过将大语言模型（LLM）推理与执行任务解耦，Óptima能稳定运行重复性优化循环，在需要解释或修订时才将控制权交还给智能体，且所有决策均可追溯。我们在消融研究、五个数字发现任务和两个物理平台中评估了Óptima。在实验过程中，无论科学问题还是执行环境如何变化，Óptima始终维持可执行的实验方案。在闭环接触角优化实验中，Óptima检测并修复了中途的测量故障，将接触角从71.4度提升至67.8度，略高于64-66度的目标范围。基于此结果，Óptima正确推断出当前试剂条件下目标不可达，并建议更换实验配方。在为期五天的多目标流体化学实验中，Óptima在23次实验中将产率从30%提升至59%。尽管存在较高的推理开销，其总成本低于人工主导方案，且使用起始原料显著减少，同时选择了更高效的运行点。这些结果表明，基于大语言模型的智能体可使严谨且持续的优化实验对领域科学家开放，无需专家预先设置，从而拓展了自驱动实验室的应用范围。