用于自主量子传感实验科学推理的智能体AI

研究人员实现了一种基于大语言模型代理的自主实验工作流，用于氮空位中心的量子传感实验。该代理自主选择单个NV中心，校准共振频率，进行Ramsey测量得到T2*，并添加CPMG测量检查弱特征。工作流结合持久项目记录、定量计算与数据分析工具。同时引入了两个离线基准，用GPT-5.4、GPT-5.5和GPT-5.6 Sol评估代理的推理能力，发现更高推理努力可改善残差校准偏移识别，但pODMR基准中仅凭脉冲序列在高推理努力下产生更多假阳性，而要求预期信号计算可保持低假阳性率。

以往量子传感实验依赖人工操作，而该工作流让LLM代理自主完成从选择NV中心到复杂测量的完整流程，并能主动检查弱特征，显著减少人工干预。同时引入离线基准，为评估自主实验中的AI推理能力提供了可复现的方法，这是量子传感自动化领域的实质性进展。

LLM代理通过持久记录维持实验上下文，结合定量计算和确定性控制工具形成科学推理循环。离线基准测试表明，推理努力程度对识别精度有双边影响：在参数校准中提升性能，但在仅依赖脉冲序列时可能引入假阳性。要求预期信号计算可抑制假阳性，这揭示了自主实验中推理与计算的最佳分工。

该工作流可直接集成到量子传感实验平台，降低对操作人员的依赖，缩短实验周期并提升数据一致性。离线基准可作为验证工具，帮助AI代理供应商优化推理策略。对量子传感仪器公司而言，可封装为自动化套件，提升产品竞争力。

• 开发基于LLM的量子实验自动化软件，支持NV中心等平台的自主运行。
• 提供离线基准测试服务，用于评估AI代理在科学推理任务中的表现。
• 为量子传感公司设计集成自主工作流的实验控制系统，降低人工成本。

• 该工作流能否推广到其他量子传感系统（如金刚石氮空位以外的平台）？
• 离线基准测试结果与真实实验效率之间的对应关系尚未验证。
• GPT系列模型在更复杂实验场景下的推理可靠性如何？
• 工作流中代理的错误恢复机制和数据质量保障细节未在摘要中说明。