大型语言模型代理实现微孔微流控的自主设计与图像分析
神经元与认知
2025-10-17 v1 多智能体系统
摘要
微孔微流控已用于单细胞分析,以揭示基因表达、信号通路和表型反应的异质性,以识别稀有细胞类型、理解疾病进展并制定更精确的治疗策略。然而,设计微孔微流控是一个相当复杂的任务,需要知识、经验、CAD 软件以及手动干预,常常失败于初始设计,需要多次昂贵且耗时的迭代。在本研究中,我们建立了一个由大型语言模型 (LLM) 驱动的自主微孔设计框架,以生成基于代码的计算机辅助设计 (CAD) 脚本,实现对具有不同几何形状和基于图像的分析的微孔进行快速且可重复的创建。我们提出一种基于集成由 MLLM 生成的高层语义描述与图像嵌入用于图像分类的 MLLM-逻辑回归框架,旨在识别微孔占用情况和微孔形状。融合的多模态表示输入到逻辑回归模型中,该模型既可解释又计算效率高。在所有评估的 MLLM 上,我们实现了显著提升,占用分类超过 0.92,形状分类超过 0.99,相较于仅依赖直接分类时的 0.50 和 0.55 实现了显著提升。MLLM-逻辑回归框架是面向高通量微孔图像分析的可扩展、高效解决方案。我们的研究展示了一个将自然语言提示翻译为优化设备几何、CAD 脚本和图像分析的自主设计微孔平台,促进了下一代数字发现通过文献挖掘、自主设计和实验数据分析的集成。
引用
@article{arxiv.2510.13883,
title = {Large Language Model Agents Enable Autonomous Design and Image Analysis of Microwell Microfluidics},
author = {Dinh-Nguyen Nguyen and Sadia Shakil and Raymond Kai-Yu Tong and Ngoc-Duy Dinh},
journal= {arXiv preprint arXiv:2510.13883},
year = {2025}
}