基于多模态 LLM 智能体的假设驱动自主材料合成

arXiv 论文提出 SynAgent 框架，让多模态 LLM 智能体自主操作自动化实验系统。该框架不预设分析流程，而是根据新数据自适应生成分析技能，并用多模态推理理解 X-ray 衍射图谱和电子显微图。它采用 verify-falsify 机制，主动测试预期失败与成功的条件。在 LiCoO2 (001) 薄膜沉积的 18 次自主实验中，SynAgent 合成出高结晶度薄膜，并发现 650-690 °C 的窄最优生长窗口。

此前自驱动实验室的决策层多为黑箱优化器，输出只是优化后的样本，测量被简化为预设标量目标，成功原因不透明。SynAgent 把可修订的合成过程理解作为主要产出，并主动证伪自身假设，使自主实验从产出样本扩展到可检验、人类可读的机理认识。

机制上，LLM 智能体替代黑箱优化器作为决策层，在无预设分析流程时按需生成分析技能，再通过 X-ray 衍射和电子显微图等多模态数据进行推理。verify-falsify 方案让智能体同时测试预期失败和预期成功的条件，用反例约束并迭代其关于合成条件的显式假设，从而在实验中逐步收敛出温度阈值等可解释结论。

对材料和工艺研发团队而言，可把实验平台从单纯跑参数搜索，升级为同时输出可读假设和失败条件的系统。研发流程需要为智能体准备多模态数据接口、分析技能生成机制和证伪实验预算；产品侧则可围绕实验理解的可追溯、可复现和人工审核来设计，而非只报告最优样本。

• 为自驱动实验室增加可读实验报告层，输出每轮假设、验证与证伪条件及对应多模态证据。
• 开发面向材料研发的多模态分析技能自动生成与版本管理模块，支持无预设流程接入新数据类型。
• 在实验排程产品中加入证伪实验预算和失败条件测试队列，防止优化器只追逐成功样本。
• 围绕温度等关键工艺窗口提供阈值与窄窗口检测功能，辅助研发人员定位最优生长区间。

• SynAgent 在 LiCoO2 之外的更多材料体系上是否同样有效，尚无证据确认。
• 18 次实验的规模能否扩展到更长周期、更高维度的合成条件空间，文中未说明。
• 多模态推理对 X-ray 衍射和电子显微图的依赖程度，以及缺失这些数据时的表现，尚不清楚。
• 该框架能否与现有商用自驱动实验室硬件和 LIMS 系统对接，证据中未涉及。