- Ученые из Сандийских национальных лабораторий (подразделение Министерства энергетики США) развернули в лаборатории 3 автономных ИИ-агента для оптимизации технологии управления лучом светодиодов (LED) с целью замены дорогих и энергоемких лазеров.
- Всего за 5 часов система ИИ-агентов провела более 300 экспериментов, добившись результатов управления лучом LED в 4 раза лучше, чем методы, разработанные людьми ранее.
- Исследование, опубликованное в Nature Communications, является наглядным доказательством модели «самоуправляемой лаборатории» (self-driving lab) — лаборатории, работающей автономно при непосредственной поддержке физического оборудования со стороны ИИ.
- Вместо использования LLM или вызова сторонних API, исследовательская группа создала 3 специализированные модели ИИ на основе зрелых алгоритмов машинного обучения.
- Первая модель использует вариационный автоэнкодер (VAE, создан в 2013 году) для предварительной обработки экспериментальных данных.
- Вторая модель применяет байесовскую оптимизацию, напрямую подключаясь к оптическому оборудованию для автоматического предложения, запуска и анализа экспериментов в замкнутом цикле.
- Третья модель представляет собой нейронную сеть прямого распространения, выступающую в роли «научного валидатора», выводя формулы и объясняя, почему оптимальная конфигурация эффективна.
- Такой подход позволяет избежать галлюцинаций — распространенной проблемы генеративного ИИ — благодаря тому, что модели специально разработаны для узкой задачи.
- Вся система работает на одной рабочей станции Lambda Labs с 3 графическими процессорами RTX A6000, не требуя инфраструктуры суперкомпьютера.
- Ожидается, что помимо LED этот метод в будущем найдет применение в проектировании материалов, сплавов и печатной электроники.
📌 Исследование Сандийских национальных лабораторий (Министерство энергетики США) показывает, что всего за 5 часов система из 3 ИИ-агентов провела более 300 экспериментов, добившись результатов управления лучом LED в 4 раза лучше, чем методы, разработанные людьми ранее. Это открыло большие перспективы для самоуправляемых лабораторий. Ожидается, что в будущем этот метод будет применяться для проектирования материалов, сплавов и печатной электроники.
