LLM-агент впервые синтезировал рентгеновское зеркало на реальной магнетронной установке

В научных кругах привыкли, что ИИ-агенты применяются в основном для написания кода, веб-скрапинга или автоматизации простых цифровых задач. Ошибка нейросети в коде обходится простым перезапуском скрипта. Однако ситуация кардинально меняется, когда модель получает управление над реальным лабораторным оборудованием — вакуумной камерой с высоковольтным разрядом в 800 вольт, а результат её работы оценивается с помощью рентгеновского дифрактометра.

Я проверил, способен ли автономный ИИ-агент с минимальным набором исходных данных составить корректную технологическую программу (рецепт), запустить её на магнетронной установке и синтезировать многослойное рентгеновское зеркало заданного качества. Обычно у начинающего аспиранта на решение подобной задачи уходит до двух недель.

2>Что такое рентгеновские зеркала и почему критична точность в 0,1 нм

Ни один материал в природе не способен эффективно отражать рентгеновское излучение при нормальном падении луча. Для решения этой проблемы создаются искусственные периодические структуры — стопки из чередующихся слоев тяжелого и легкого элементов. Каждая граница раздела отражает малую долю излучения, и при правильном подборе периода интерференционные волны усиливают друг друга по закону Брэгга.

В проведенном эксперименте синтезировалась структура из пар рутения и углерода (Ru/C) со следующими параметрами:

• Целевой период структуры: 6,85 нм (сумма толщин слоев Ru и C).
• Число периодов: 30 повторений.
• Подложка: полированное стекло.
• Дополнительный элемент: нижний адгезионный слой рутения толщиной 19,7 нм.

Точность выдерживания периода по всей стопке должна находиться в пределах ±0,1 нм (1 ангстрем). Для отдельных слоев толщиной от 2 до 4 нм погрешность не должна превышать 0,02–0,04 нм. Напыление 30 периодов занимает порядка полутора часов, и в течение всего этого времени скорость осаждения материалов должна оставаться строго стабильной.

Команда ИИ-агентов и архитектура взаимодействия

Для управления экспериментом была сформирована двухуровневая система нейросетевых агентов:

• Супервизор (модель Fable 5.1): выступал в роли руководителя. Обладал доступом к полной базе знаний, схемам установки, документации и исходному коду.
• Исполнительный агент (модель Opus 5): выполнял роль младшего исследователя. Взаимодействовал непосредственно с оборудованием, анализировал поступающие метрики и формировал управляющие алгоритмы.

Исполнительный агент находился в изоляции («песочнице») и не имел доступа к готовым шаблонам рецептов или истории успешных напылений. Все управляющие конструкции ему требовалось составить с нуля.

Инструменты, протокол MCP и вопросы безопасности

Взаимодействие между нейросетью и физической установкой магнетронного распыления осуществлялось через специализированный сервер протокола Model Context Protocol (MCP), предоставлявший 17 точечных инструментов.

Ключевыми компонентами моста стали:

• Справочник оборудования: транслировал текущие имена устройств и синтаксис внутреннего предметно-ориентированного языка (DSL) прямо с контроллеров.
• Синтаксический валидатор: симулировал выполнение DSL-рецепта без активации реальных исполнительных механизмов, проверяя соблюдение ограничений по принципу «запрещено всё, что не разрешено явно».

Безопасность системы обеспечивалась на аппаратном и серверном уровнях. Агенту был выделен промежуточный уровень прав: возможность загрузки и запуска полных рецептов без права прямого ручного управления отдельными клапанами или блоками питания. Тем не менее, агент быстро нашел обходной путь для диагностики оборудования — он стал генерировать короткие тестовые DSL-скрипты, проверяя отклик отдельных узлов.

Условия эксперимента и критерии успеха

Перед запуском были зафиксированы следующие параметры задачи:

• Доля рутения в периоде (Γ): 0,215.
• Базовые расчетные экспозиции: 31,26 секунды для рутения и 133,43 секунды для углерода.
• Критерий успешности: расхождение по среднему периоду напыленного зеркала не более 3% (около 0,2 нм) при сохранении 8 брэгговских порядков отражения, аналогично эталонному образцу.

Предварительный тест на эмуляторе показал, что агент правильно рассчитал временные интервалы (31,26 с для Ru и 133,43 с для C) и сформировал корректную циклическую структуру рецепта.

Первые запуски: технические сбои и устаревший архив

При переносе программы на реальное оборудование возник ряд технических накладок:

• Попытка 1: рецепт завершился с ошибкой из-за неверного имени параметра в драйвере.
• Попытка 2: не зажегся плазменный разряд, причем агент не смог диагностировать проблему из-за задержки телеметрии блоков питания. Процесс был остановлен вручную.
• Попытка 3 (первое напыление): программа отработала полностью, однако в держателе отсутствовала подложка (оператор забыл её установить). Дополнительно в конце рецепта агент полностью перекрыл дроссельную заслонку из-за нечетко сформулированной инструкции.

После устранения недочетов были выполнены второе и третье напыления по исходному рецепту. Полученные периоды составили 8,254 нм и 8,191 нм соответственно. Отклонение от цели превысило 20% (около 1,4 нм).

Детальный анализ показал, что ошибка кроется не в логике ИИ, а в изменившихся физических условиях установки. Скорость осаждения углерода выросла до 0,053 нм/с (на 30% быстрее данных из архива), а рутения — наоборот снизилась. Взаимное совпадение результатов двух ростовых процессов с интервалом в три часа составило 0,8%, что подтвердило высокую воспроизводимость работы агента при устаревших калибровочных константах.

Корректировка расчетов и итоговый результат

Агенту были переданы числовые данные малоугловой рентгеновской дифрактометрии (XRR). Используя линейную модель с учетом мертвого времени переключения заслонок (6,07 секунды на слой), модель пересчитала скорости осаждения и скорректировала экспозиции:

• Время осаждения углерода было сокращено до 103,55 секунды.
• Время осаждения рутения было увеличено до 37,29 секунды.

Результаты последующих итераций:

• Четвертое напыление: получен период 6,695 нм (отклонение 2,26%, что входит в установленный зачетный допуск 3%). Скорость осаждения углерода совпала с прогнозом модели с точностью до 0,6%.
• Пятое напыление: при времени Ru 43,3 с и C 103,0 с получен период 6,796 нм. Погрешность составила всего 0,79% (около 0,05 нм или половины ангстрема). Дифракционная картина продемонстрировала все 8 брэгговских пиков, полностью совпав с эталонным образцом.

Несмотря на итоговый успех, агент проявил характерные ограничения: он экстраполировал калибровку тонких слоев на толстый подстилающий слой рутения и упустил температурный дрифт скоростей осаждения в течение рабочего дня.

Выводы: готовая система или замена исследователям?

Эксперимент доказал, что связка современных LLM и протокола MCP способна автономно вести технологический процесс, рассчитывать временные параметры, выявлять сбои и формировать отчёты. Агент успешно заменил рутинную работу оператора по подбору параметров.

Тем не менее, физическое присутствие человека в лаборатории остается необходимым. На данный момент оператор отвечает за подготовку подложек, техническое обслуживание вакуумной системы и верхнеуровневую интерпретацию физических аномалий.

Полные логи работы ИИ-агента, вызванные инструменты и спектры дифрактометрии опубликованы в открытом доступе на Zenodo, а теоретическая часть работы представлена в препринте на arXiv.

Мнения о трансформации профессии и собственных продуктах

Наблюдая за тем, как языковые модели берут на себя управление сложным физическим оборудованием, становится очевидно: ландшафт инженерной и научной разработки меняется быстрее, чем предполагалось. Традиционные роли смещаются от непосредственного выполнения рутинных операций к архитектурному проектированию систем контроля и формулированию задач для ИИ.

В этих условиях создание собственных технологических продуктов и автономных решений становится менее рискованным шагом, чем сохранение прежних моделей найма.

Источник: habr.com