PhysMaster：构建用于理论与计算物理研究的自主 AI 物理学家
人工智能
2026-03-23 v1 高能物理 - 格点
摘要
LLM 的进步已产生知识与操作能力相当于人类科学家的智能体，表明其在协助、加速和自动化科研方面的潜力。然而，现有研究主要在明确定义的基准或通用任务（如文献检索）上评估，限制了其在开放科学情境下端到端问题解决能力。这一点在物理学中尤为突出，因为物理学抽象、数学性强，且需要将分析推理与代码计算相结合。为此，我们提出了 PhysMaster，一个作为自主理论与计算物理学家的 LLM 代理。PhysMaster 将抽象推理与数值计算相耦合，利用 LANDAU（分层学术数据宇宙），该宇宙保留检索到的文献、精选的先验知识以及验证的方法论痕迹，以提升决策的可靠性与稳定性。它还采用自适应探索策略，在效率与开放性探索之间取得平衡，使其在超长期任务中表现出色。我们在高能理论、凝聚态理论和天体物理等领域的问题上对 PhysMaster 进行评估，包括：(i) 加速，将耗时数月的研究压缩至数小时；(ii) 自动化，自主执行假设驱动的循环；(iii) 自主发现，独立探索开放性问题。
引用
@article{arxiv.2512.19799,
title = {PhysMaster: Building an Autonomous AI Physicist for Theoretical and Computational Physics Research},
author = {Tingjia Miao and Jiawen Dai and Jingkun Liu and Jinxin Tan and Muhua Zhang and Wenkai Jin and Yuwen Du and Tian Jin and Xianghe Pang and Zexi Liu and Tu Guo and Zhengliang Zhang and Yunjie Huang and Shuo Chen and Rui Ye and Yuzhi Zhang and Linfeng Zhang and Kun Chen and Wei Wang and Weinan E and Siheng Chen},
journal= {arXiv preprint arXiv:2512.19799},
year = {2026}
}
备注
32 pages, 10 figures