在科学用户设施的生产中部署人工智能Agent的策略

Agentic 人工智能 (AI) 正在从研究演示转向科学用户设施的生产使用，包括光源、中子源、纳米科学中心和自主实验室。它的科学价值不仅仅在于提高吞吐量。Agent可以在校准、测量执行和质量控制方面执行可重复的任务，以及将数据转化为可审查证据的初步分析，使科学家能够专注于假设、意外观察和解释。借鉴 APS 中大语言模型驱动的Agent的部署，该观点提炼出实用策略，重点关注可跨仪器和设施重复使用的元素。我们讨论用于光束线控制、设施知识检索和数据分析的Agent工具，同时保持基本设计原则独立于任何具体实现。这些原则涵盖推理端点、工具服务器架构、非文本数据、计算密集型服务、可重用技能以及整个仪器生命周期的受控学习。我们还考虑网络和 Linux 操作、受控共享内存和确定性编排如何跨设施服务扩展这些模式。由于大语言模型能力不断发展，这些建议代表了截至封面日期的技术快照。