科学家们往往需要等待数月才能使用世界上最强大的研究仪器，如最先进的显微镜。在美国阿贡国家实验室先进光源等设施中，这些设备允许研究人员利用极亮的 X 射线在微观尺度上研究材料。一旦获得这些仪器的使用权，每一小时都弥足珍贵。先进显微镜的束线时间通常极为稀缺——即便在世界顶级科研机构也不例外。

其中一些宝贵的时间可能仅仅花在了调整仪器、找到样品的正确区域以及设置下一次测量上。

现在，阿贡的一个新项目正在使用 AI 智能体将大部分这类工作自动化。

该项目名为 SYNAPS-I，全称协同中子与光子科学智能（Synergistic Neutron and Photon Science – Intelligence）。它是多个美国国家实验室之间的合作，包括阿贡（ANL）、劳伦斯伯克利（BLNL）、布鲁克海文（BNL）、斯坦福直线加速器中心（SLAC）和橡树岭（ORNL）。该项目隶属于能源部的创世纪计划（ Genesis Mission：一项将 AI 引入科学研究方式的全国性推进计划）。

第一阶段：速度

第一阶段主要关注速度。X 射线实验可以在短短几小时内生成数百万张图像，因此快速处理大量数据至关重要。

研究团队构建了一个 AI 引擎，能在数据到达时将其转化为叠层成像图像。叠层成像是一种技术，将许多重叠的散射图案拼接成一张清晰的高分辨率图像。这通常需要数小时甚至数天的计算，而在这种情况下，只用了数秒。

这意义重大——意味着研究人员可以实时调整实验，而不是事后才发现自己遗漏了什么。

新阶段：从处理数据到运行实验

在新的阶段，团队迈出了一大步。他们加入了一个自主智能体 AI 层。重心从数据处理转向了实验运行本身。

工作原理是：科学家只需描述他们想要什么，可以是 " 以高分辨率映射这个区域 "，或者 " 找到这两种材料之间的边界 "。系统会根据输入采取行动。有了 AI 智能体的参与，系统的自主性远超一个简单的聊天机器人。

研究人员不需要翻找控制面板或手动检查每张图像来决定下一步该看哪里。他们绝对不需要写代码。

团队中的计算科学家 Ming Du 表示，重点在于解放研究人员，让他们把时间花在科学和运行束线上：

" 研究人员不需要编写代码或输入技术指令，而是可以与 AI 对话，由 AI 自动处理数据采集、处理和分析。通过自动化这些任务，研究人员有更多时间专注于科学本身以及束线操作。"

搜索是最复杂的部分

系统更复杂的部分在于搜索。在大样本中找到一个小小的数据点，是整个过程中最枯燥的工作之一。这部分几乎无法用脚本编写，因为每个样本看起来都不同。

为了克服这一挑战，团队转向了一个多模态语言模型——一个能够真正解读图像的模型。它可以在每张重建图像出来时对其进行分析。这使得系统能够实现循环操作：采集图像→查看→决定移向哪里→缩小范围→重复。

当它找到目标后，会自动切换到高分辨率扫描。

护栏机制

团队还设置了防护机制，确保 AI 智能体保持受控状态。系统设计为自行处理低风险操作，但对于任何风险较高或不确定性较大的事项，它会停下来询问人类。

这确实需要人类时间和介入，但考虑到设备的价值，这是一道合理的防护线。

团队还将智能体连接到 Meta 的 Segment Anything Model 3，使其能够勾画和标注每张图像中的特征。阿贡的计算设施将该模型添加到了其推理服务中。一个额外的好处是，能源部系统中的其他团队也可以使用它。

测试验证

团队在阿贡纳米尺度材料中心（Center for Nanoscale Materials）和先进光源共享的一条硬 X 射线纳米探针束线上测试了该系统。他们用自然语言要求 AI 智能体在集成电路中找到两个区域之间的边界。

系统扫描了样品并分析了图像，持续调整观察位置，直到成功找到了正确的位置。

纳米尺度材料中心的科学家 Tao Zhou 表示，快速重建、AI 控制和分割的结合，提供了传统系统难以匹配的速度和一致性。

芯片只是一个起点，展示了可以实现的可能性。领导阿贡 SYNAPS-I 团队的 Mathew Cherukara 表示，同样的方法应该适用于催化剂、金属、量子器件和其他应用。

更大的愿景：自主驱动显微镜

团队更大的愿景是自主驱动显微镜——能够在运行过程中自适应的实验、自动缺陷检测。

虽然这个 AI 智能体系统朝着这个方向迈出了一步，提供了某种形式的自主显微镜控制，但还不是完全意义上的 " 自主驱动显微镜 "。如果他们能够实现这一目标，将对 AI 驱动的科学研发产生颠覆性影响。