실제 광학 플랫폼에서 종단 간 자율 과학적 발견

과학 연구는 오랜 시간 동안 인간이 주도적인 역할을 하였으며, 증거가 축적되는 동안 질문, 방법 및 주장의 지속적인 수정을 통해 새로운 지식과 혁신적인 기술을 구축해 왔습니다. 대규모 언어 모델(LLM)-기반 에이전트들은 정의된 연구 워크플로우를 지원하는 것 이상으로 진전되는 것이 있지만, 아직까지 실제 물리적 시스템에서 비트리거 결과를 지지하는 실험적 증거를 생산하는 종단 간 자율적 발견을 보여주지 못했습니다. 여기서 우리는 Qiushi Discovery Engine, LLM-기반 종단 간 자율적 과학적 발견을 위한 실제 광학 플랫폼에 대한 에이전트 시스템을 소개합니다. Qiushi Engine는 비선형 연구 단계, Meta-Trace 메모리 및 이중 계층 아키텍처를 결합하여 수천 개의 LLM 매개 사유, 측정 및 수정 동작을 포함하는 장기 시야 조사에 걸쳐 적응적이고 안정적인 연구 경로를 유지합니다. Qiushi Engine는 출판된 전송 매트릭스 실험을 재현하고 추상적 일관성-순서 이론을 실험적 관찰 가능성으로 변환하여, 우리의 지식에 따르면 일관성-순서 구조의 이 класс의 첫 번째 관찰을 제공합니다. 더 중요한 것은 145.9 백만 토큰, 3,242 LLM 호출, 1,242 도구 호출, 163 연구 노트 및 44 스크립트를 포함하는 개방된 연구에서, Qiushi Engine는 Transformer 주의의 핵심 연산과 구조적으로 유사한 광학 이중선형 상호 작용을 제안하고 실험적으로 검증합니다. 이 AI-발견된 메커니즘은 쌍별 계산을 위한 고속 및 에너지 효율적인 광학 하드웨어로의 경로를 제시합니다. 우리의 지식에 따르면, AI 에이전트가 비트리거 결과를 지지하는 실험적 증거를 생산하는 비트리거적이고 이전에 보고되지 않은 물리적 메커니즘을 자율적으로 식별하고 실험적으로 검증하는 것을 보여주는 것은 연구 수준의 자율적 에이전트의 마일스톤입니다.