Quadro di Apprendimento di Ipotesi Aperte per la Microscopia Autonoma
Un nuovo quadro che integra la regressione simbolica con la valutazione tramite modello linguistico di grandi dimensioni (LLM) consente alla microscopia a scansione autonoma di generare modelli fisici a partire da dati sperimentali, superando gli spazi obiettivo fissi. Il sistema produce relazioni analitiche candidate da misurazioni sparse, che vengono poi classificate dall'LLM per plausibilità fisica e coerenza. Dimostrato sulla microscopia a forza piezoelettrica, questo approccio apre la strada all'apprendimento di ipotesi nella scoperta di materiali.
Fatti principali
- 1. Il quadro combina regressione simbolica e valutazione fisica basata su LLM
- 2. Progettato per la microscopia a scansione autonoma
- 3. Genera relazioni analitiche candidate da misurazioni sparse
- 4. L'LLM classifica i candidati per plausibilità fisica, comportamento di scala e coerenza
- 5. Dimostrato sulla microscopia a forza piezoelettrica autonoma
- 6. Supera i limiti degli spazi obiettivo o di ipotesi fissi
- 7. Consente l'ottimizzazione a ciclo chiuso nell'imaging e nella regolazione spettroscopica
- 8. Pubblicato su arXiv (2605.06839)
Entità
Istituzioni
- arXiv