arXiv cs.AI· 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·· 1 天前AI 评分47
Discovery 多智能体系统实现闭环分子设计， redox 电位提升 130 mV
Closed-Loop Molecular Design with Calibrated Deference
AI 导读
多智能体科学系统 Discovery 在水系有机液流电池负极电解质设计中实现闭环人机协作，三轮 17 个候选分子后收敛到 redox 电位较文献基线提升 130 mV 的候选。
正文 · AI 翻译
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
摘要：随着 AI 系统日益成为有能力的科学合作者，一个根本性挑战随之出现：不仅要生成解释，还要校准对解释的置信度。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，并使用持久图记忆在解决不确定性时追踪证据和假设。Discovery 实现了一种我们称为校准式遵从的能力：能够基于这些评估调整对其工具使用、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项目中评估 Discovery，用于设计水系有机氧化还原液流电池的负极电解液。Discovery 提出候选方案并与化学家协作解读结果，化学家负责合成、表征并指导设计。在三轮共 17 个候选物中，Discovery 收敛到一个氧化还原电位相对文献基线提升 130 mV 的候选物。然而，实验表征揭示出该研究中使用的预测器无法预见的较差电化学可逆性。对此，Discovery 生成了相互竞争的机理假设，优先安排具有区分度的诊断实验，并将该行为追溯到膦酸根-钾离子配对。Discovery 设计了一种磺酸根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升 90 mV 的同时改善了电化学可逆性，从而闭合了设计-制备-测试-再设计的循环。在整个项目中，Discovery 展示了维持连贯世界模型、根据意外结果进行更新并利用其驱动分子设计的能力。
| 学科： | 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） |
| 引用为： | arXiv:2606.02618 [cs.CE] |
| （或本版本使用 arXiv:2606.02618v2 [cs.CE]） | |
| https://doi.org/10.48550/arXiv.2606.02618 arXiv 颁发的 DOI，经由 DataCite |
提交历史
来自：Jake Smith [查看邮箱]
[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）
来源：arXiv cs.AI · arxiv.org