物理學家雇傭AI實驗室伙伴，超強控光能力提升四倍

2023年，美國桑迪亞國家實驗室（SNL）的一組物理學家宣布了一項重大發現：一種控制LED光線的方法。如果得到完善，這意味著在未來可以用更便宜、更小、更節能的LED取代激光，應用于從UPC掃描儀、全息投影儀到自動駕駛汽車等無數技術中。團隊原本認為，完善他們的技術需要多年的精密實驗。

現在，同樣的研究人員報告稱，三個人工智能"實驗室伙伴"將他們的最佳結果提升了四倍。整個過程只用了大約五小時。

這項發表在《自然通訊》（Nature Communications）上的研究論文，展示了AI如何超越單純的自動化工具，成為可理解的科學發現的強大引擎。"這是自驅動實驗室如何設置來輔助和增強人類知識的最前沿案例之一。"新論文的作者、也是2023年發現公告的作者、桑迪亞的Prasad Iyer說。

這項研究由美國能源部（DOE）基礎能源科學辦公室和桑迪亞的實驗室指導研究與開發計劃資助。研究部分在集成納米技術中心進行，這是由桑迪亞（SNL）和洛斯阿拉莫斯（LANL）國家實驗室共同運營的能源部科學用戶設施。

跨學科團隊實現實驗室現代化

一個幸運的巧合推動了這項研究：Iyer迎來了一位新同事。Saaketh Desai作為博士后研究員來到桑迪亞。Iyer是光學專家，但Desai懂得機器學習，并且一直在測試將其用于科學研究的方法。

他們合作將Iyer的光學實驗室現代化：

第一步：他們使用生成式人工智能（GenAI）模型來學習和簡化復雜數據；

第二步：將這個簡化的數據集提供給第二個AI，稱為"主動學習智能體"，并將其連接到光學設備；

第三步：指示它基于學習到的數據設計實驗，在設備上運行實驗，分析結果，然后基于發現重復這個過程。

在進行了大約五小時約300次實驗后，它顯著改善了研究人員花費數年開發的結果。

解決AI的"黑盒"問題

盡管是Iyer提出將Desai引入項目的，但他對將實驗室設備交給AI智能體仍有一些擔憂。"我們可能會做無數次無意義的實驗，而沒有任何有意義的結果。"Iyer說。

這是因為AI存在黑盒問題：查詢輸入，答案輸出，但用戶往往難以弄清AI是如何得出答案的。但科學需要解釋。當科學家做出發現時，他們會分享和揭示為什么發現有效或有道理。這是科學前進的唯一方式——因為其他科學家可以測試那個想法，要么在其基礎上發展，要么證偽。

Desai也認識到確保任何基于AI的結論都能被理解的重要性。"我們強迫自己尋找能推進我們對該領域理解的良好實驗。"他說。"因此，我們高度強調解釋為什么某事有效或無效。"

團隊優先考慮可驗證的AI增強研究

Iyer和Desai一致認為，僅靠AI自動化不足以推動該領域發展。為了解決黑盒問題，他們引入了一種"事實核查員"。也許并不令人意外，它也是另一個AI。

然而，這個AI的訓練方式不同。它的工作是找出方程來解釋復雜的數據趨勢。研究人員將這第三個AI與第二個AI連接成一個循環。主動學習智能體生成數據并計算出它的下一個實驗，而方程學習者則試圖制定適合數據的公式。

在實驗完成后，研究人員立即掌握了新的方程來驗證他們的自驅動實驗室已經找到了一種有條理的方法來引導自發發射（LED產生的光），在74度角范圍內平均比他們之前的方法有效2.2倍。他們在特定角度的最佳結果顯示出四倍的改善。

令人驚訝的是，AI以一種桑迪亞團隊從未考慮過的方式實現了這一點。它是基于對光和材料在納米尺度上如何相互作用的一種全新的思維方式。

Desai表示，AI平臺的成功對科學界很有前景，但它也依賴大量的計算能力，這可能不是每個實驗室都能使用的。從數據學習中，使用的是配備三個高端NVIDIA RTX A6000 GPU的Lambda Labs工作站。

盡管如此，Desai說他想看看他能把這個過程推進到什么程度。"關于下一步，我們通常對可解釋的優化方案和使用AI得出可解釋的決策感興趣。我們有興趣將其應用于引導問題，以及一般的其他材料科學問題。"

這個案例標志著科學研究范式的重要轉折點。當AI不僅能"加速"實驗，還能"發現"人類未曾設想的科學路徑時，我們正在見證一種新的"人機協同科學"的誕生。關鍵不在于替代科學家，而在于解決"黑盒問題"，讓AI的發現可驗證、可解釋、可復現。這是科學界擁抱AI的真正門檻。