LABIIUM：AI 增强的零配置测量自动化系统

实验室环境的复杂性需要简化仪器交互并提升测量自动化的解决方案。传统工具通常需要配置、软件和编程技能，这会创建生产力的障碍。以往的方法，包括专用软件套件和自定义脚本，常常难以提供符合编程实践的用户友好解决方案。我们提出了 LABIIUM，一个由 AI 增强、零配置测量自动化系统，旨在简化实验工作流程并提高用户生产力。LABIIUM 集成了一个由大型语言模型（LLM）驱动的 AI 助手，用于生成代码。LABIIUM 的实验室自动化测量桥梁（LAMBs）通过标准工具如 VSCode 和 Python 实现仪器的无缝连接，消除了设置开销。为展示其功能，我们进行了包含一个带电流源负载的简单两晶体反相放大器参数传递曲线测量的实验。对 AI 助手进行了不同提示情景下的评估，并与 Claude Sonnet 3.5、Gemini Pro 1.5 和 GPT-4o 等多个模型进行了比较。以实现梯度加权自适应随机抽样（GWASS）方法的专家解决方案作为基线。将生成的 AI 助手解决方案与专家解决方案以及 10,000 个点的均匀线性扫频基线进行了比较。图表结果表明，LLM 能够成功完成最基本的均匀扫频，但 LLM 无法开发出与 GWASS 相竞争的自适应扫频算法。该评估凸显了 LABIIUM 提升实验室生产力并支持科研和产业的数字化转型的能力，强调了未来工作仍需改进 LLM 在电子测量科学任务中的性能。