DropMicroFluidAgents (DMFAs)：基于大语言模型代理的自主液滴微流体研究框架
计算机与社会
2025-01-28 v1 人工智能
摘要
将大语言模型(LLM)应用于特定领域需要针对该领域独特术语、细微差别以及情境特定挑战进行大量适配。本文介绍DropMicroFluidAgents (DMFAs)，一个利用最先进预训练LLM的语言驱动框架。DMFAs运用LLM代理执行两个关键功能：(1)为液滴微流体提供专业导向、答案和建议；(2)生成机器学习模型以优化和自动化液滴微流体器件的设计，包括创建基于代码的计算机辅助设计(CAD)脚本，以实现快速精准的设计执行。实验评估表明，DMFAs与LLAMA3.1模型的集成达到最高76.15%的准确率，凸显了代理集成带来的显著性能提升。当DMFAs与GEMMA2模型配合时，准确率比独立使用的GEMMA2配置提高了34.47%。本研究表明，LLM代理在液滴微流体研究中作为自动化工作流程、知识综合、设计优化和与外部系统交互的强大工具。这些能力使其在教育和产业支持方面具有广泛应用前景，推动科学发现和创新效率的提升。
引用
@article{arxiv.2501.14772,
title = {DropMicroFluidAgents (DMFAs): Autonomous Droplet Microfluidic Research Framework Through Large Language Model Agents},
author = {Dinh-Nguyen Nguyen and Raymond Kai-Yu Tong and Ngoc-Duy Dinh},
journal= {arXiv preprint arXiv:2501.14772},
year = {2025}
}