Qiushi 發現引擎：首個自動化光學實驗 AI 系統驗證光學雙線性交互
科學研究長期由人類主導，AI 代理開始涉足自主探索。Qiushi 發現引擎結合 LLM、Meta-Trace 記憶與雙層架構，在實體光學平台自動重現傳輸矩陣實驗，並將相干序理論轉為可觀測指標。最終提出並驗證光學雙線性交互，提供高效光學硬體的計算新途徑。
科學研究長期以人類為主導，近期大型語言模型（LLM）代理開始突破僅協助預設工作流程的限制。研究團隊推出 Qiushi 發現引擎，首次在真實光學平台上展示端對端自主科學發現。
系統架構與核心技術
Qiushi 引擎採用非線性研究階段、Meta-Trace 記憶與雙層架構，能在長期探索中維持適應性與穩定性。系統在千餘次 LLM 主導的推理、測量與修正動作下，完成了對已發表傳輸矩陣實驗的自動復現，並將抽象的相干序理論轉化為可測量的實驗觀測值，據稱首次觀測到此類相干結構。
突破性的光學雙線性交互
在一次開放式研究中，Qiushi 引擎處理了 1.459 億個 token、3,242 次 LLM 呼叫、1,242 次工具調用，產出 163 份研究筆記與 44 檔腳本，最終提出並實驗驗證了光學雙線性交互機制。該機制在結構上類似 Transformer 注意力的核心運算，為高速、低功耗的光學硬體提供了配對計算的新路徑。
意義與未來展望
此項成果被視為 AI 代理系統首次自主識別並驗證未報告的實體機制，標誌著研究層級自動代理的里程碑。未來可望將此類自動化探索擴展至其他物理平台，加速新材料與新演算法的發現。
延伸閱讀
- SciHorizon-DataEVA 與 Sci-TQA²：多代理循環工作流下的 AI 就緒度評估
- BTF-2：以離線封存語料與 ReAct 代理人評估戰略推理能力
- Hindsight Preference Optimization：以事後偏好信號（DPO）強化VLM於金融時間序列諮詢
原始來源：ArXiv AI
系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。
