大语言模型与仿真作为双层优化器：推进物理科学发现的新范式

大语言模型因其广泛的知识和高级推理能力，近期在科学发现领域获得了显著关注。然而，它们在有效模拟观测反馈并将其与语言结合以推动物理科学发现方面面临挑战。相比之下，人类科学家通过提出假设、进行实验和通过观测分析修正理论来进行科学发现。受此启发，我们提出利用LLM的知识驱动抽象推理能力与仿真的计算能力相结合。我们引入科学生成智能体（SGA），一个双层优化框架：LLM作为知识渊博且多才多艺的思考者，提出科学假设并推理离散组件（如物理方程或分子结构）；同时，仿真作为实验平台，提供观测反馈并通过可微性优化连续部分（如物理参数）。我们进行了大量实验，证明了该框架在构成本构定律发现和分子设计方面的有效性，揭示了与常规人类预期不同但在分析上仍然合理的创新解决方案。