Collaborative AI agents for autonomous experimental research with solid-state quantum spins
El Mustapha Mansouri, Eikichi Kimura, Masato Koga, Keigo Arai
cs.AI, cs.MA, quant-ph
2026-10-30
多智能体退回75题后证明，金刚石NV系综标定的充要次数是L²+1；7.6%漂移让首轮判无效，重测对比度40.0对准锁定预测39.7（×10^-3），插值给出0。
自动实验室能把假设、实验和分析做完，结论仍可能超出证据。AI Scientist 就曾依据有缺陷的实验报告性能提升。东京科学大学这套多智能体实验室检验的是，智能体改不改实验、改不改结论，会不会否决一轮看起来已经成功的测量。
对象是金刚石中的氮空位（NV）中心系综。激光读出自旋，微波脉冲负责操控；各自旋失谐和驱动强度不同，读数是未知误差分布上的平均。要确定的是，不重建该分布，预测一整族相位可控序列的响应，最少要做几次标定。
六个角色以文件交接。提议者用 GPT-5.6 单独出题。PI 用 GPT-6，按新颖性、逻辑、意义和可行性整批取舍。计算研究者用 GPT-6 Astra，经 Codex 在 TSUBAME 4.0 上独立验算。实验员用 Claude Fable 5，经 Claude Code 操作仪器。管理者用 Claude Opus 5 传文件、改协议。审稿人只见稿件。安全代理按人预设的电压和功率上限放行。装置由人装配。
约 30 小时里，75 个提案被退回，前 17 批没有入选。理由四类：逻辑不成立、已有结果、意义不足、无法实验。重复失败方向占了此前 56 个新提案中的 52 个。排除清单写入之后，9 个新提案进入 7 个新方向。入选文本来自改写：去掉领头阶近似，保留序列的完整依赖。
原上界是 8L²+6L+1。在脉冲误差沿一条序列保持不变时，PI 证明 L²+1 次线性独立标定是充要的，分布、公共本底和对比度都可以未知。少一次就存在反例：标定相同，目标序列不同。L=3 时次数从 91 降到 10。预测是标定均值的线性组合。
独立重建给出，不超过 5 个、6 个脉冲时，响应空间维度为 26 和 37。隐藏相位转动的压力测试产生 252,620 份精确证书。六脉冲情形、转角约 1.2° 以内，认证误差仍在光子噪声水平。
第一版用 9 个三脉冲点铺满网格，另加 5 条短序列，去预测 4 个扣留目标，被 PI 退回，因为网格已足够做傅里叶插值。通过的方案是 5 个三脉冲标定加 5 条短序列，其中包含空序列，相位取 60° 的倍数。10 次标定覆盖 L=3，并留下 4 个目标。两条插值都把对比度 S 预测为 0。预测、容差和结局规则在读取扣留数据前锁定。
判为支持，需要对照通过、方差有效、十项裕度为正，并且 S 为正、单侧 p≤0.001。裕度的含义是对比度落在预测的 ±20% 以内，各目标残差小于预测对比度的 30%。对照一失败，该轮就是无定论。
首次主采集过了十项精度，全局相位和参考脉冲对照没有过。信号在上午上升 7.6%，11:48 再上升 2.9%，与开灯的时刻一致。两套程序在不同时间采样，漂移因此变成系统偏差。这一轮被判无定论。
缩短交替仍失败；相位改在程序内切换后通过。重测随机排序、积分 6 小时，得到 21,600 条有效 1 秒记录，精度与对照均通过。预测锁在扣留均值计算之前。
四个扣留读数合成 S=(-T1+T2+T3-T4)/4，公共本底被减掉。实测 (40.0±0.4)×10^-3 加权计数每发，锁定预测为 (39.7±1.3)×10^-3，两条插值都是 0。
| 方法 | 指标 | 结果 |
| 标定定律，已锁定 | 对比度 S | (39.7±1.3)×10^-3 |
| 两条插值 | 对比度 S | 0 |
| 6小时重测 | 对比度 S | (40.0±0.4)×10^-3 |
| 首次主采集 | 对照 | 失败，判无定论 |
误差在序列内不变时，L²+1 次标定即可预测该族相位序列。75 个选题被退回，插值也能满足的设计被退回，十项精度全过的采集也因对照失败被退回。40.0 对 39.7 出现时，接受标准没有放宽。
Auctopus 公开了同一套流程，调用 OpenAI 和 Anthropic 的接口。这次使用的提示词没有放进发布包。装配仪器、设定安全上限、承担科学责任，仍然是人在做。
闭环跑在人已经搭好的室温共聚焦台上。作者贡献写明，研究构想、智能体框架和实验平台由人完成。讨论写明，还缺能把竞争解释分开测的仪器。
数学检查来自另一个大模型，并给出精确有理证书。论文仍没有把推导放进证明助手。约 1.2° 是证书里预测误差保持在光子噪声附近的范围，不是在金刚石上测到的失效边界。
物理结果只有 L=3、四个扣留目标、一块约 4.5 ppm 的金刚石。拿来对照的是两条会把 S 算成 0 的插值。方法还要求用十个标定去拟合九参数相干演化模型，正文没有给出这个模型的 S。
成功那次的数值锁定，发生在采集结束之后、扣留均值算出之前。哈希管住的是分析顺序。提示词未公开，数据和分析代码需向通讯作者索取。单次闭环不能外推。