Лаборатория без людей: Китай запустил ИИ-систему для автономного создания материалов

Учёные Китайской академии наук (CAS) построили мультиагентную систему ИИ для разработки новых материалов, которая замыкает весь цикл — от постановки гипотезы до управления роботами в физической лаборатории — без участия человека на промежуточных этапах. Как сообщает Jiqizhixin (机器之心), это работающий пример «автономного закрытого цикла» в материаловедении, где традиционный метод проб и ошибок (так называемый «эдисоновский подход») заменён связкой из нескольких специализированных языковых моделей и роботизированных манипуляторов.

Три агента вместо научного отдела

В основе системы — мультиагентная архитектура, имитирующая работу целого научно-исследовательского института. Один агент выполняет роль «библиотекаря»: он анализирует тысячи научных статей и извлекает данные о предыдущих успешных и неудачных экспериментах. Второй агент — «теоретик» — моделирует взаимодействия атомов на квантовом уровне, предсказывая свойства будущего материала ещё до синтеза. Третий агент, «инженер», переводит абстрактные химические формулы в конкретные инструкции для лабораторного оборудования — то есть в протокол, который способен выполнить робот. Агенты не работают изолированно: они обмениваются данными, спорят и корректируют действия друг друга в режиме реального времени, имитируя работу полноценного научного коллектива, а не отдельных программ-предсказателей свойств молекул.

Замкнутый цикл: гипотеза → эксперимент → анализ → новая итерация

Когда «инженер» отправляет команду роботу, тот физически смешивает реактивы или спекает порошки — без участия человека у прибора. Если результат не совпадает с предсказанием теоретической модели (а в науке это происходит почти всегда), система не заходит в тупик: она анализирует данные с датчиков, определяет, в какой момент теория разошлась с практикой, и сама запускает следующую итерацию эксперимента. Это и есть автономный закрытый цикл, о котором давно говорили технологические гиганты. Человеку остаётся только задать начальные параметры поиска и наблюдать, как на экране рождается материал с заданными свойствами.

Зачем это нужно: R&D материалов упёрся в потолок

Классическое материаловедение годами перебирало комбинации элементов в поисках нужного сверхпроводника или катализатора — «эдисоновский подход»: бесконечные пробы и ошибки, где каждая неудачная попытка стоит недель лабораторной работы. Индустрия сейчас упирается в технологический потолок сразу по нескольким направлениям — от ёмкости аккумуляторов до эффективности солнечных панелей, и новые материалы нужны быстрее, чем успевает классическая наука. Разработка CAS демонстрирует, что связка LLM и робототехники способна сократить цикл R&D в десятки, а то и в сотни раз — потому что система сама ставит гипотезу, сама планирует эксперимент и сама его проводит, пока западные стартапы концентрируются на генерации текста и картинок.

Что будет с ролью учёных-людей

Прямое следствие автоматизации рутинных лабораторных операций — трансформация роли аспирантов и исследователей, чья работа раньше заключалась в монотонном смешивании реактивов и настройке приборов. Эта рутина переходит к роботам под управлением мультиагентной системы, а человеку остаётся формулировать задачи для ИИ-агентов и интерпретировать результаты — в том числе те, что противоречат классической научной интуиции. По сути, научное открытие в этой модели становится продуктом эффективного управления нейросетями, а не результатом случайного озарения одного учёного.

Что представили исследователи CAS?

Мультиагентную систему ИИ для разработки новых материалов, которая работает по принципу автономного закрытого цикла: сама формулирует гипотезу, планирует эксперимент и выполняет его при помощи роботизированных манипуляторов в физической лаборатории — без пошагового участия человека на каждом этапе.

Как распределены роли между агентами системы?

Система построена как виртуальный НИИ из трёх специализированных агентов: «библиотекарь» анализирует научные статьи и данные прошлых экспериментов, «теоретик» моделирует взаимодействия атомов на квантовом уровне, а «инженер» переводит химические формулы в инструкции для лабораторных роботов. Агенты обмениваются данными и корректируют действия друг друга в реальном времени, имитируя работу научного коллектива.

Что происходит, если результат эксперимента не подтверждает теорию?

Система анализирует данные с датчиков лабораторного оборудования, определяет, в каком месте теоретическая модель разошлась с практическим результатом, и автоматически запускает следующую итерацию эксперимента — без остановки на анализ человеком. Именно это и делает цикл «закрытым»: гипотеза, эксперимент и корректировка происходят без выхода из автономного контура.