面向真实光学平台的端到端自主科学发现

科学研究长期以人类主导，推动新知识和变革性技术的产生，源于随证据积累不断修订问题、方法与论断。尽管基于大语言模型(LLM)的智能体正在超越对既定研究工作流程的辅助，但目前尚无展现于真实物理系统中实现端到端自主发现、并通过实验证据支持非平凡结果的系统。本文介绍了 Qiushi Discovery Engine——一个用于真实光学平台上端到端自主科学发现的基于LLM的智能体系统。Qiushi Engine 融合非线性研究阶段、Meta-Trace 记忆与双层架构，维持跨长期调查中数千次LLM-mediated推理、测量与修订行为的自适应稳定研究轨迹。它自主复现了非原创平台上的已发表传输矩阵实验，并将抽象相干秩理论转化为实验可观测量，据我们所知，首次观察到此类相干秩结构。更重要的是，在一次开放性研究中涉及14590万token、3242次LLM调用、1242次工具调用、163项研究笔记和44个脚本，Qiushi Engine 提出并实验验证了光学双线性相互作用——一种结构类似于Transformer注意力核心操作的物理机制。该AI发现的机制指向高速、低能耗光学硬件实现两两计算的途径。据我们所知，这是首次展示AI智能体系统自主识别并实验验证非平凡、此前未报告物理机制的案例，标志着研究水平智能体的一个里程碑。