Исследователи представили систему на базе LLM, способную автономно проводить научные изыскания и оформлять их в виде полноценной статьи. Агент прошел полный цикл: от генерации гипотез и проведения симуляций до написания текста и интерпретации результатов. Работа демонстрирует новый уровень автоматизации в фундаментальной науке, где ИИ берет на себя не только рутинную обработку данных, но и творческое проектирование экспериментов.
Система использует многоагентную архитектуру, где отдельные модули отвечают за разные этапы научного метода: планирование, исполнение кода для моделирования и критический анализ полученных выводов. В ходе эксперимента ИИ удалось выявить закономерности в физических системах, которые ранее не были описаны в литературе. Это подтверждает возможность использования LLM как полноценных инструментов для генерации новых знаний, а не просто как средств для суммаризации существующих данных.
Авторы подчеркивают, что ключевым фактором успеха стала интеграция инструментов для верификации результатов. Система не просто генерирует текст, а постоянно сверяет свои выводы с результатами вычислительных экспериментов, минимизируя риск галлюцинаций. Такой подход позволяет использовать нейросети в областях, где критически важна точность и воспроизводимость данных, открывая путь к ускорению темпов научных открытий в физике и смежных дисциплинах.
Ключевые факты
- Система полностью автономно сгенерировала научную работу, включая постановку задачи и выводы.
- ИИ успешно провел серию вычислительных симуляций для проверки выдвинутых гипотез.
- В процессе работы агент самостоятельно корректировал методологию на основе промежуточных данных.
- Результаты исследования опубликованы на платформе arXiv под номером 2607.02329.
- Метод демонстрирует возможность автоматизации полного цикла научного исследования без участия человека.