Agenti di AI e scienziati insieme per eseguire esperimenti a raggi X in autonomia

Come funziona

Un programma di AI che lavora a fianco degli scienziati per gestire e regolare gli esperimenti al laboratorio di raggi X in tempo reale

1. 🎯Decidi cos'è che vuoi ottenere dall'esperimento
2. 🤝Chiacchieri e rispondi mentre l'apparecchiatura gira
3. 📈La squadra impara e migliora ad ogni giro
4. 📝Leggi tutto il registro delle decisioni prese

Cosa ci si può fare

• Un ricercatore potrebbe condurre esperimenti a raggi X autonomi al sincrotrone su superreticoli nanoparticellari usando un insieme dinamico di obiettivi definiti dagli umani anziché istruzioni fisse ¹.
• Un team di laboratorio potrebbe consentire a umani e agenti di AI di scambiarsi messaggi in tempo reale mentre le apparecchiature realizzano davvero un esperimento, condividendosi il lavoro man mano che procede ¹.
• Uno scienziato potrebbe richiamare trascrizioni complete delle conversazioni tra persone e agenti di AI per ricostruire esattamente perché è stata presa ciascuna decisione durante l'esperimento ¹.

Un esempioInventato per spiegare

Il ricercatore Sam che conduce un esperimento con un sincrotrone

SamAvvia la scansione ai raggi X su questo campione

Agente AIScansione completata. Ho notato una struttura — vuoi che metta a fuoco?

SamSì, ma prima dai un'occhiata a quei punti sfocati

Agente AITrovato il problema — sto ricalibrando adesso

SamPerfetto. Segna tutto per la revisione

Agente AIFatto. Tutto registrato per poter ripercorrere la procedura

Sam ha revisitato l'intero log della conversazione e ha proseguito con impostazioni migliorate.

Una squadra, non un robot solitario

L'articolo, pubblicato su arXiv nel novembre 2026 da Gunik Luthra, Ronald J. Pandolfi, Benjamin T. Diroll e sette coautori, ha studiato come persone e agenti di AI si dividono i compiti quando si lavora in un laboratorio reale ¹. Invece di dare all'AI un unico compito fisso, i ricercatori hanno allestito un''infrastruttura coding-agent basata su metodi già dimostrati in ambito scientifico, permettendo a umani e agenti di scambiarsi messaggi mentre l'esperimento veniva condotto su apparecchiature reali .

Tutta quella va e vieni è stata registrata per intero. Ogni messaggio tra la persona e l'AI, e tra diversi agenti di AI, è stato salvato così che chiunque potesse in seguito ricostruire esattamente perché era stata presa ciascuna scelta ¹.

Chi ha fatto cosa

In tre prove separate, tra il 61 percento e il 67 percento di tutti i messaggi riguardava l'interpretazione dei risultati o il prendere decisioni — non solo seguire istruzioni prestabilite ¹. Man mano che il team lavorava insieme attraverso gli esperimenti, la quota di contributi incentrati su metodi e scienza reali è salita dal 46 percento della prima sessione, ricca di configurazioni, a un intervallo tra il 56 percento e il 61 percento nelle fasi successive .

Circa la metà di tutte le decisioni ha incluso l'intervento di un altro partecipante, umano o agente ¹. Quando sono stati commessi errori, tra il 59 percento e il 68 percento delle correzioni è arrivato da più persone o agenti che lavoravano insieme anziché da una sola parte che sistemava le cose da sé .

Perché contare la collaborazione conta

I ricercatori dicono che quei numeri contano perché mostrano sia le persone sia gli agenti di AI che facevano autentico pensiero scientifico, non solo digitare comandi ¹. Avere trascrizioni complete significa anche che nessuno può nascondere come si sia arrivati a un risultato — una caratteristica che gli autori sostengono potrebbe diventare lo standard per qualsiasi sistema di AI usato in laboratori reali .

Lo studio non descrive un prodotto finito che si possa installare oggi; è una demo iniziale su uno strumento sincrotrone reale con obiettivi in evoluzione definiti dagli umani ¹. Ma gli autori dicono che l'approccio potrebbe guidare come saranno progettati i futuri sistemi scientifici multi-agente, come i modelli di AI saranno addestrati per l'uso in laboratorio e quanto accessibili potranno diventare gli esperimenti autonomi .

Indovina

Quanta parte del lavoro è stata scienza vera e propria rispetto al semplice seguire istruzioni?

Per lo più istruzioniCirca due terziEsattamente la metà

Quanto è valido

Attraverso tre esperimenti reali su uno strumento sincrotrone, tra il 61 e il 67 percento di tutti i messaggi riguardava l'interpretazione o il giudizio genuini invece di semplicemente seguire comandi prestabiliti ¹. La quota di contributi metodologici e scientifici è salita dal 46 percento nella prima sessione, ricca di configurazioni, a un intervallo tra il 56 percento e il 61 percento nelle fasi successive, mostrando che il team è diventato sempre più focalizzato sulla scienza nel corso del tempo . Circa la metà di tutte le decisioni ha incluso l'intervento di un altro partecipante, umano o agente, e tra il 59 e il 68 percento delle correzioni degli errori è arrivato da più persone o agenti che lavoravano insieme invece che da una sola parte che sistemava le cose da sé . Gli autori definiscono questo una dimostrazione iniziale, non un prodotto finito installabile, quindi questi sono numeri operativi su obiettivi in evoluzione piuttosto che un confronto rifinito rispetto a competitor .

I fatti principali

• Tra il 61 e il 67 percento dei messaggi riguardava l'interpretazione o il giudizio
• I contributi metodologici sono passati dal 46% a un intervallo 56%-61% attraverso gli esperimenti
• Circa il 50% delle decisioni ha incluso l'input di un altro partecipante
• Tra il 59% e il 68% delle correzioni degli errori ha coinvolto più partecipanti
• Articolo pubblicato su arXiv nel novembre 2026 da nove autori

Fonti

1. Auditable Human-Agent Teams for Autonomous X-ray Experimentation