Forschungsteam nähert sich der Erschaffung eines KI-Physikers
Mit SciExplorer stellen Wissenschaftler*innen des Max-Planck-Instituts für die Physik des Lichts (MPL) einen KI-Wissenschaftsagenten vor, der für ein breites Feld physikalischer Experimente einsatzfähig ist. Der auf einem großen Sprachmodell basierende künstliche Wissenschafts-Agent ist ein Generalist: Er ist in der Lage, den Prozess der wissenschaftlichen Forschung im Wesentlichen automatisiert abzudecken, ohne die Notwendigkeit eines aufgabenspezifischen Finetunings. Die Ergebnisse wurden kürzlich in Physical Review X publiziert.
Im Zentrum der Naturwissenschaften steht der Forscherdrang, neues Wissen für ein besseres Verständnis der Natur zu generieren. Wissenschaftliche Entdeckungen beruhen dabei auf einem Kreislauf aus Beobachtungen, Analysen und der Entwicklung neuer Hypothesen. Das Forschungsteam um Prof. Florian Marquardt, Direktor am MPL und Leiter der Theorieabteilung, hat nun eine neue, agentenbasierte Herangehensweise entwickelt, die diesen Kreislauf des wissenschaftlichen Schaffensprozesses für physikalische Systeme autonom durchführen kann.
SciExplorer ist ein auf einem großen Sprachmodell (Large Language Model, kurz LLM) basierender künstlicher Wissenschaftler, der diesen Prozess automatisiert übernimmt. Die Fähigkeiten dieser LLMs entwickeln sich rasant. Der Zugang zu externen Werkzeugen steigert zudem ihre Leistungsfähigkeit auf beeindruckende Weise. In jüngster Zeit haben erste Versuche, diesen sogenannten agentischen Ansatz im Bereich der Wissenschaft zu nutzen, vielversprechende Ergebnisse gezeigt. Allerdings waren sie bisher auf bestimmte Aufgaben und Arbeitsabläufe sowie Werkzeuge spezialisiert.
Unbekannte physikalische Modelle erforschen: Von klassischer Mechanik über Wellenphysik bis hin zur Quanten-Vielteilchenphysik
SciExplorer hingegen verfolgt einen generalistischen Ansatz und ist nicht auf bestimmte Aufgaben oder Systeme beschränkt. Zudem arbeitet der agentenbasierte KI-Wissenschaftler mit einem minimalen Satz allgemeingültiger Befehle und code-basierten Allzweck-Werkzeugen. Er generiert einen autonom ablaufenden Arbeitsprozess, der ähnlich wie sein menschliches Pendant intuitiv und aufgrund seiner Erfahrungen in einem mehrstufigen Prozess eine Lösung erarbeitet. Ausgehend von minimalen Informationen des zu untersuchenden Systems, wählt er selbstständig geeignete Experimente aus, analysiert und visualisiert deren Ergebnisse. In dieser Arbeit wurden Experimente simuliert, die in der realen Welt anwendbar sind. Zudem stellt er Hypothesen auf, die er wiederum testet. Das Bemerkenswerte an SciExplorer ist seine Fähigkeit, die zugrunde liegenden Modelle unterschiedlichster physikalischer Systeme aufzudecken – beginnend bei der klassischen Mechanik über die Wellenphysik bis hin zur Quanten-Vielteilchenphysik.
So erzielt er beispielsweise starke Leistungen bei Aufgaben wie der Rekonstruktion von Bewegungsgleichungen aus beobachteten Dynamiken und dem Identifizieren von Hamilton-Operatoren basierend auf Erwartungswerten.
„Da eine Vielzahl moderner physikalischer Experimente über code-basierte Schnittstellen gesteuert wird, könnte SciExplorer in Zukunft direkt in Laborumgebungen eingesetzt werden. Hilfreich könnte das bei komplexen Flüssigkeiten, kalten Atomgasen, stark korrelierten Elektronen- und Spinsystemen oder Quantensimulatoren sein“, sagt Maximilian Nägele, Doktorand und Erstautor. „Wir leben jetzt in einer Ära, in welcher künstliche Intelligenz wissenschaftliche Aufgaben auf Expertenniveau lösen kann, ohne speziell auf eine Aufgabe trainiert zu werden. Die Entwicklung ist rapide und wir werden in den nächsten Jahren bedeutende Durchbrüche in der Wissenschaft erleben, die auf diese Weise erzielt werden“, ergänzt Florian Marquardt.
Originalpublikation in Physical Review X
M. Nägele, F. Marquardt, “Agentic Exploration of Physics Models”,
Phys. Rev. X 16 (2026)
DOI: doi.org/10.1103/xnqc-q6nt
Wissenschaftlicher Kontakt
Max Planck Institut für die Physik des Lichts, Erlangen
Prof. Florian Marquardt, Theorie Abteilung
www.mpl.mpg.de / florian.marquardt@mpl.mpg.de
