Mephisto：基于大型语言模型的自我改进型代理用于多波段星系观测的自动化解释

天文学研究长期依赖人类专家来解释复杂数据并构建科学假设。本研究引入了 Mephisto——一个由大型语言模型（LLM）驱动的多代理协作框架，模拟人类式推理以分析多波段星系观测。Mephisto 接口与 CIGALE 代码库（谱能分布，SED，模型库）进行交互，对 iteratively 细化物理模型以匹配观测数据。它通过树状搜索进行有意识的推理，通过自我对弈积累知识，并动态更新其知识库。在包括詹姆斯·韦伯太空站最近发现的“小红点”星系在内的多样化星系群中进行验证，我们展示了 Mephisto 在从多波段光度数据推断星系物理性质方面表现出色，将其定位为天文学家的有前景的研究合作伙伴。与天文学领域以前的黑箱机器学习方法不同，Mephisto 提供了透明、符合人类直觉的推理过程，可无缝集成到现有研究实践中。本工作凸显了 LLM 驱动的代理人科学研究在天文学中的可能性，为建立完全自动化、端到端的人工智能（AI）驱动科学工作流程奠定了基础，并开启了 AI 增强天文学发现的新途径。