Air-sensitive 锂卤化物自旋体导体的自驾实验室中的 Agentic LLM 推理
材料科学
2026-04-15 v1 机器学习
摘要
自驾实验室承诺加速材料发现。然而，当前的自动固态合成平台仅限于室温条件，无法用于空气敏感材料。在本工作中，我们展示了用于 Glovebox Powder Solid-state Synthesis (A-Lab GPSS) 的自驾实验室平台，能够在严格的无气条件下合成和表征空气敏感的无机材料。通过将 agentic AI 框架集成到 A-Lab GPSS 平台中，我们通过归纳和归谬推理结构化自主实验设计。我们在该平台上用于探索锂卤化物自旋体固态离子导体的广泛组成空间。在由 352 个样本组成的合成 campaign 中，该系统探索了广泛的化学空间，实验实现了 171 种可能的 19 种金属两两组合中的 72%。在整个 campaign 中，表现出良好离子导电性（> 0.05 mS/cm）和高卤化物自旋体相纯度的组成比例，从前 75 个 agent 提议的样本中的 1.33% 增加到最后 75 个样本中的 5.33%。此外，通过检查 AI 的推理过程，我们揭示了两种 distinct 且互补的发现策略：归纳推理探询已探索区域内的异常观察，而归谬推理则将搜索扩展到更广、尚未访问的化学空间。该工作建立了一个可扩展的平台，用于自主发现复杂的空气敏感固态材料。
引用
@article{arxiv.2604.11957,
title = {Agentic LLM Reasoning in a Self-Driving Laboratory for Air-Sensitive Lithium Halide Spinel Conductors},
author = {Yuxing Fei and Bernardus Rendy and Xiaochen Yang and Junhee Woo and Xu Huang and Chang Li and Shilong Wang and David Milsted and Yan Zeng and Gerbrand Ceder},
journal= {arXiv preprint arXiv:2604.11957},
year = {2026}
}