让 LLM Agent 从实验数据里反推哈密顿量：三个已发表色心数据集上的模型发现

为什么值得读

AI for Science 的 Agent 论文大多停在「能跑通」，这篇有一处少见的诚实：它把 run-to-run 方差拆开定位，指出不确定性来自「下一步做什么」而不是「算得准不准」。对想用 Agent 做科学发现的人，这个结论比「三个数据集都成功了」更有指导性——要稳住的是规划环节，不是计算环节。

问题：发射体不均一，数据复杂度随数量爆炸

色心腔 QED 量子技术的一个核心障碍是发射体之间的不均一性（disorder）。发射体数量越多，实验数据越复杂，越难定量判断究竟是哪些物理机制在主导。

这类问题的传统做法是由人提出候选模型再拟合，属于「假设靠人想、验证靠计算」的循环，瓶颈在假设空间的人工枚举。

方法：Agent 负责提假设，也负责造工具

论文的框架是一个配备工具与结构化工作流的 LLM Agent：它提出候选的哈密顿量与林德布拉德（Lindbladian）模型，生成对应的计算工具，再对互斥的物理假说做定量评估。

值得注意的是「生成计算工具」这一步——Agent 不只是选模型，还要把模型变成可跑的拟合/仿真代码，这使闭环能在无人逐步干预下推进，同时保留人类专家监督的位置。

结果：三个已发表数据集上均复现出物理模型

工作流被应用到三个此前已发表的腔 QED 实验数据集，材料分别是金刚石与碳化硅中的色心。三组实验中 Agent 都成功识别出系统的物理模型，并对 disorder 做出了刻画。

因为是已发表数据，这里的「成功」是可核对的：结论可以与原文的物理解释对照，而不只是自洽。

最值得记的一条：方差出在规划，不在计算

论文专门做了复现性评估：run-to-run 的差异主要集中在「研究计划生成」这一步，计算分析部分的一致性明显更高。

这直接指向工程重点——如果要让这类 Agent 可靠，需要约束与稳定的是规划阶段的输出（先验、比较顺序、评估准则），而不是继续提升数值计算的精度。

边界

样本是三个已发表数据集的事后建模，不是前瞻性预测或新实验设计；摘要未给出与人类专家基线的直接量化对比，因此无法判断 Agent 相对专家的效率与准确度增益；「识别出物理模型」的判定标准由谁、按什么阈值裁定，摘要也未说明。

本文基于论文原文摘要与方法章节整理，观点由编辑撰写；如与原文有出入，以 arXiv 原文为准。 内容为信息整理与技术评论，不构成投资或决策建议。 发现错误请通过站内纠错页提交（记录可查），修订记录只增不删。