物理学家雇佣AI实验室伙伴，超强控光能力提升四倍

2023年，美国桑迪亚国家实验室（SNL）的一组物理学家宣布了一项重大发现：一种控制LED光线的方法。如果得到完善，这意味着在未来可以用更便宜、更小、更节能的LED取代激光，应用于从UPC扫描仪、全息投影仪到自动驾驶汽车等无数技术中。团队原本认为，完善他们的技术需要多年的精密实验。

现在，同样的研究人员报告称，三个人工智能"实验室伙伴"将他们的最佳结果提升了四倍。整个过程只用了大约五小时。

这项发表在《自然通讯》（Nature Communications）上的研究论文，展示了AI如何超越单纯的自动化工具，成为可理解的科学发现的强大引擎。"这是自驱动实验室如何设置来辅助和增强人类知识的最前沿案例之一。"新论文的作者、也是2023年发现公告的作者、桑迪亚的Prasad Iyer说。

这项研究由美国能源部（DOE）基础能源科学办公室和桑迪亚的实验室指导研究与开发计划资助。研究部分在集成纳米技术中心进行，这是由桑迪亚（SNL）和洛斯阿拉莫斯（LANL）国家实验室共同运营的能源部科学用户设施。

跨学科团队实现实验室现代化

一个幸运的巧合推动了这项研究：Iyer迎来了一位新同事。Saaketh Desai作为博士后研究员来到桑迪亚。Iyer是光学专家，但Desai懂得机器学习，并且一直在测试将其用于科学研究的方法。

他们合作将Iyer的光学实验室现代化：

第一步：他们使用生成式人工智能（GenAI）模型来学习和简化复杂数据；

第二步：将这个简化的数据集提供给第二个AI，称为"主动学习智能体"，并将其连接到光学设备；

第三步：指示它基于学习到的数据设计实验，在设备上运行实验，分析结果，然后基于发现重复这个过程。

在进行了大约五小时约300次实验后，它显著改善了研究人员花费数年开发的结果。

解决AI的"黑盒"问题

尽管是Iyer提出将Desai引入项目的，但他对将实验室设备交给AI智能体仍有一些担忧。"我们可能会做无数次无意义的实验，而没有任何有意义的结果。"Iyer说。

这是因为AI存在黑盒问题：查询输入，答案输出，但用户往往难以弄清AI是如何得出答案的。但科学需要解释。当科学家做出发现时，他们会分享和揭示为什么发现有效或有道理。这是科学前进的唯一方式——因为其他科学家可以测试那个想法，要么在其基础上发展，要么证伪。

Desai也认识到确保任何基于AI的结论都能被理解的重要性。"我们强迫自己寻找能推进我们对该领域理解的良好实验。"他说。"因此，我们高度强调解释为什么某事有效或无效。"

团队优先考虑可验证的AI增强研究

Iyer和Desai一致认为，仅靠AI自动化不足以推动该领域发展。为了解决黑盒问题，他们引入了一种"事实核查员"。也许并不令人意外，它也是另一个AI。

然而，这个AI的训练方式不同。它的工作是找出方程来解释复杂的数据趋势。研究人员将这第三个AI与第二个AI连接成一个循环。主动学习智能体生成数据并计算出它的下一个实验，而方程学习者则试图制定适合数据的公式。

在实验完成后，研究人员立即掌握了新的方程来验证他们的自驱动实验室已经找到了一种有条理的方法来引导自发发射（LED产生的光），在74度角范围内平均比他们之前的方法有效2.2倍。他们在特定角度的最佳结果显示出四倍的改善。

令人惊讶的是，AI以一种桑迪亚团队从未考虑过的方式实现了这一点。它是基于对光和材料在纳米尺度上如何相互作用的一种全新的思维方式。

Desai表示，AI平台的成功对科学界很有前景，但它也依赖大量的计算能力，这可能不是每个实验室都能使用的。从数据学习中，使用的是配备三个高端NVIDIA RTX A6000 GPU的Lambda Labs工作站。

尽管如此，Desai说他想看看他能把这个过程推进到什么程度。"关于下一步，我们通常对可解释的优化方案和使用AI得出可解释的决策感兴趣。我们有兴趣将其应用于引导问题，以及一般的其他材料科学问题。"

这个案例标志着科学研究范式的重要转折点。当AI不仅能"加速"实验，还能"发现"人类未曾设想的科学路径时，我们正在见证一种新的"人机协同科学"的诞生。关键不在于替代科学家，而在于解决"黑盒问题"，让AI的发现可验证、可解释、可复现。这是科学界拥抱AI的真正门槛。