协同人类专业知识与 AI 效率：利用语言模型进行显微镜操作与自动化实验设计

随着大型语言模型（LLMs）在开源和专有领域的出现，人们的注意力转向如何利用此类人工智能（AI）系统来辅助复杂的科学任务，例如材料合成、表征、分析与发现。在此，我们探索了 LLM，特别是 ChatGPT4，结合应用程序编程接口（APIs）在扫描探针显微镜的实验设计、编程工作流和数据分析任务中的实用性，使用了内部开发的 API 和商业供应商提供的用于仪器控制的 API。我们发现，LLM 在将实验工作流的构思转换为显微镜 API 上的可执行代码方面特别有用。除了代码生成，我们发现 GPT4 能够进行通用意义上的显微镜图像分析。同时，我们发现 GPT4 存在无法扩展到基础分析之外或进行更深入的技术性实验设计的局限性。我们认为，针对特定科学领域进行微调的 LLM 可能成为更好的语言接口，用于将人类专家的科学构思转换为可执行的工作流，这种人类专业知识与 LLM 实验效率之间的协同作用，可以为加速科学研究、实现科学界有效的实验方案存档与共享打开新的大门。