Discovery 多智能体系统以校准置信度完成闭环分子设计实验

作者：Newman Cheng、Gordon Broadbent IV、Jason Dong、Syed Mohammed Ali Hussaini、Farman Ullah、Morris Sharp、Gabrielle Barnes、Nanlin Guo、Deyu Zou、Eliot F. Woods、Jong-Hwa Shon、Yangang Liang、Ruozhu Feng、Wei Wang、Karin Strauss、William Chappell、David G. Kwabi、Bichlien H. Nguyen、Jake A. Smith

查看 PDF HTML（实验性）

摘要：随着 AI 系统日益成为能力强大的科研合作者，一个根本性挑战随之出现：不仅要生成解释，还要对其置信度进行校准。我们提出 Discovery，一个多智能体科学系统，旨在自适应推理过程中评估工具和数据的可靠性，并通过持久图记忆在解决不确定性时追踪证据与假设。Discovery 实现了我们称为“校准性让渡”（calibrated deference）的能力：能够根据这些评估调整对自身工具使用、假设和机理解释的置信度，向人类合作者传达不确定性，并相应调整策略。我们在一个闭环人机协作任务中评估了 Discovery，目标是设计水性有机氧化还原液流电池负极电解液。Discovery 与化学家合作提出候选分子并解读结果，化学家负责合成、表征并指导设计。在三轮共 17 个候选分子中，Discovery 收敛到一个氧化还原电位比文献基线提高 130 mV 的候选分子。然而，实验表征揭示了所用电化学不可逆性较差，而任务中使用的预测模型无法预见这一点。对此，Discovery 生成了多个相互竞争的机理假设，优先安排能区分假设的诊断实验，并将该行为追溯到膦酸酯-钾离子配对。Discovery 设计了一种磺酸盐类似物以减少钾离子配对，所得化合物在保持氧化还原电位提高 90 mV 的同时改善了电化学可逆性，完成了“设计-制造-测试-再设计”闭环。在整个任务中，Discovery 展现了维持连贯世界模型、根据意外结果进行更新，并利用它推动分子设计的能力。

学科分类：	计算工程、金融与科学 (cs.CE)；人工智能 (cs.AI)；多智能体系统 (cs.MA)；化学物理 (physics.chem-ph)
引用方式：	arXiv:2606.02618 [cs.CE]
	（此版本的 arXiv:2606.02618v2 [cs.CE]）
	https://doi.org/10.48550/arXiv.2606.02618 通过 DataCite 获取 arXiv 签发的 DOI

提交历史

来自：Jake Smith [查看邮件]
[v1] 2026年5月27日星期三 16:44:34 UTC (11,190 KB)
[v2] 2026年11月10日星期二 19:03:31 UTC (13,251 KB)