杜克大学工程师开发出一组AI智能体（AI agents），能够协同解决复杂的科学设计问题，其表现已接近专业科学家水平。这项研究发表于《ACS Photonics》期刊，标志着AI在自动化科研任务方面迈出关键一步。 研究聚焦于“病态逆向设计问题”——即已知目标结果，但存在无限多可能的解决方案，缺乏明确路径指向最优解。这类问题常见于新材料设计领域，例如合成具有特定电磁响应的超材料。超材料由大量精密结构单元构成，其性能由结构而非化学成分决定。 此前，杜克大学团队已开发出基于深度神经网络与“神经伴随法”（neural-adjoint）的AI方法，能从数十万组模拟数据中学习设计参数与性能之间的关系，并反向优化设计。在最新研究中，团队不再依赖人工执行流程，而是构建了一个由大型语言模型（LLM）组成的“智能体系统”——即“人工科学家”。 该系统由多个分工明确的AI智能体组成：一个负责数据管理与组织，一个自动生成深度神经网络代码，一个验证结果准确性，最后一个则运行优化算法。所有任务由一个主控LLM协调，实时判断是否需要生成更多数据、是否已达到理想误差水平，或是否进入收益递减阶段。系统还能向用户清晰解释当前进展，如同科学家的决策过程。 实验表明，尽管AI在平均表现上略逊于人类博士生，但其最佳设计方案已非常接近甚至媲美人类专家。研究团队认为，关键不在于平均表现，而在于能否产出真正突破性的设计。 项目负责人、博士生Dary Lu表示，系统能模拟科学家的“直觉”判断，这是最难编程的部分。杜克大学电气与计算机工程教授Willie Padilla指出，这一成果证明，经过精心设计的智能体系统可解决最复杂的科学问题，未来有望推广至材料科学、药物研发等多个领域。 他相信，这类AI系统将显著提升高技能人才的生产力，成为未来科研与工程领域的核心能力。随着规模扩大和效率提升，AI有望在极短时间内推动人类知识边界实现真正突破。