EvoSim：通过实验差异协同改进物理模型与科学Agent

基于物理的模型将科学解释与定量预测联系起来。构建它们需要选择物理过程、定义状态和控制方程、指定耦合以及从实验中识别参数。现有的人工智能系统在自主做出这些模型结构决策方面仍然受到限制。我们介绍 EvoSim，一个用于物理建模的自我进化人工智能科学家。它利用实验差异来驱动机制和方程修正，并利用实验数据来测试物理合理性。探索追踪可以更新知识、技能和多代理编排。这种共同进化改进了基于物理的模型和 EvoSim 选择机制、诊断故障和协调研究的能力。我们在两项工业电池建模任务上评估 EvoSim。它预测锂金属沉积的起始温度为 25 至 45 摄氏度和 2 C 至 6 C，充电状态的平均绝对误差为 1.79%。车辆行驶工况下的动态电压预测均方根误差为7.62 mV，超越了 报告了人类专家开发的模型的准确性。相对于基线，自我进化将模型和物理误差减少了约 36%，证明了科学建模能力的提高。 EvoSim 将实验观察结果转化为经过验证的模型和累积的研究专业知识。