从文本到测试：面向材料科学仪器的AI生成控制软件

大型语言模型（LLMs）正在改变化学和材料科学的面貌。近期LLM加速实验研究的例子包括：用于从文献中解析合成方案的虚拟助手，或利用提取的知识指导合成与表征。尽管取得了这些进展，其应用仍局限于配备自动化仪器和控制软件的实验室，而材料科学的许多领域仍依赖人工流程。在此，我们展示了使用ChatGPT-4快速部署基于Python的Keithley 2400电源测量单元控制模块。通过迭代优化，我们以最少的人工干预实现了有效的仪器管理。此外，还创建了用户友好的图形用户界面（GUI），将所有仪器控制与交互式屏幕元素有效连接。最后，我们将这种AI生成的仪器控制软件与高性能随机优化算法集成，以促进从电流-电压（IV）测量数据中快速自动提取与半导体电荷输运机制相关的电子器件参数。这一集成产生了一个用于基于IV曲线测量的半导体器件表征与分析的综合性开源工具包。我们通过获取、分析和参数化来自Pt/Cr$_2$O$_3$:Mg/$\beta$-Ga$_2$O$_3$异质结二极管（一种用于高功率高温电子器件的新型叠层结构）的IV数据，展示了这些工具的应用。该方法凸显了LLMs与科学探究仪器开发之间的强大协同作用，为材料科学的进一步加速指明了路径。