Qumus: Realization of An Embodied AI Quantum Material Experimentalist

📄 arXiv: 2605.18407v1 📥 PDF

作者: Lihan Shi, Zhaoyi Joy Zheng, Xinzhe Juan, Yimin Wang, Ming Yin, Mayank Sengupta, Kristina Wolinski, Yanyu Jia, Jingzhi Shi, Derek Saucedo, Neill Saggi, Haosen Guan, Kenji Watanabe, Takashi Taniguchi, Ali Yazdani, Mengdi Wang, Sanfeng Wu

分类: cond-mat.mes-hall, cond-mat.mtrl-sci, cs.AI, cs.RO

发布日期: 2026-05-18

备注: 29 Pages in total. Supplementary Demo Videos are available at https://qumus.ai

💡 一句话要点

Qumus：实现具身AI量子材料实验家，首次AI创建石墨烯和纳米器件。

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 具身AI 量子材料 机器人实验 二维材料 范德华堆叠

📋 核心要点

  1. 现有AI在科学发现中面临整合高级推理、多模态信息处理和实时物理执行的挑战。
  2. Qumus通过具身AI系统，自主完成从假设到实验再到分析的完整科学循环。
  3. Qumus首次实现了AI创建石墨烯和通过范德华堆叠制造原子级薄场效应晶体管。

📝 摘要（中文）

现代大型语言模型（LLMs）和智能代理AI在数字领域展现了变革性能力，但实现能够进行真实世界科学发现的具身AI仍然是一个难题。其难点在于整合高级推理、多模态信息处理和实时物理执行的复杂性。本文介绍了Qumus，首个AI量子材料实验家。Qumus以机器人迷你实验室为物理载体，是一个智能、多模态和多代理系统，专为创建和纳米处理原子级薄二维（2D）材料和堆叠的范德华（vdW）结构而设计。Qumus自主地完成完整的科学循环，从假设生成和协议规划到多步骤实验执行、结果分析和报告，充当实验家。值得注意的是，该系统首次实现了AI创建石墨烯，以及首次通过vdW堆叠AI制造复杂的纳米器件，包括原子级薄场效应晶体管。Qumus通过展示自主纠错和闭环实验在这些任务中表现出色。我们的结果建立了一个可推广的自改进具身AI系统框架，该系统直接从量子世界学习，为加速量子材料、电子学及其他领域的发现开辟了道路。

🔬 方法详解

问题定义：当前AI在材料科学领域应用受限于难以将高层推理、多模态信息处理和物理执行有效整合。传统实验流程依赖人工操作，效率低且易出错，难以应对复杂材料的合成与表征。因此，需要一种能够自主完成实验流程、并能从实验结果中学习和改进的AI系统。

核心思路：Qumus的核心思路是构建一个具身AI系统，使其能够像人类实验家一样，自主地进行实验设计、执行、分析和报告。通过将AI算法与物理机器人系统相结合，实现对实验过程的闭环控制和优化。这种方法旨在克服传统AI在物理世界中的局限性，加速材料科学的发现。

技术框架：Qumus系统包含以下主要模块：1) 假设生成模块：基于现有知识和数据生成实验假设。2) 协议规划模块：将假设转化为具体的实验步骤和操作指令。3) 实验执行模块：通过机器人系统执行实验，包括材料制备、纳米加工和表征。4) 结果分析模块：分析实验数据，评估假设的有效性。5) 报告模块：生成实验报告，记录实验过程和结果。这些模块协同工作，形成一个完整的科学循环。

关键创新：Qumus的关键创新在于其具身性，即AI系统与物理机器人系统的紧密结合。这种结合使得AI能够直接与物理世界交互，从而实现对实验过程的闭环控制和优化。此外，Qumus还采用了多模态信息处理技术，能够同时处理图像、文本和数值数据，从而更全面地理解实验过程。

关键设计：Qumus的具体技术细节包括：1) 使用大型语言模型（LLMs）进行假设生成和协议规划。2) 采用计算机视觉算法进行图像分析和目标识别。3) 利用强化学习算法进行实验参数优化。4) 设计了专门的机器人操作系统，用于控制机器人执行实验操作。此外，Qumus还采用了模块化设计，方便扩展和升级。

📊 实验亮点

Qumus首次实现了AI自主创建石墨烯，并成功制造了基于范德华堆叠的原子级薄场效应晶体管。该系统展示了自主纠错和闭环实验的能力，能够根据实验结果自动调整实验参数，从而提高实验成功率。这些实验结果表明，Qumus是一个有效的具身AI系统，能够加速量子材料的发现和应用。

🎯 应用场景

Qumus的潜在应用领域包括量子材料发现、新型电子器件制造、纳米技术等。该研究的实际价值在于加速材料科学的研发进程，降低实验成本，提高实验效率。未来，Qumus有望应用于更广泛的科学研究领域，例如化学合成、生物医药等，推动科学发现的自动化和智能化。

📄 摘要（原文）

While modern Large Language Models (LLMs) and agentic artificial intelligence (AI) have demonstrated transformative capabilities in digital domains, the realization of embodied AI capable of real-world scientific discovery remains a difficult frontier. The advancements are hindered by the inherent complexity of integrating high-level reasoning, multimodal information processing and real-time physical execution. Here we introduce Qumus, the first AI quantum materials experimentalist. Physically embodied within a robotic mini-laboratory, Qumus is an intelligent, multimodal, and multi-agent system designed for the creation and nano-processing of atomically thin two-dimensional (2D) materials and stacked van der Waals (vdW) structures. Qumus autonomously navigates the full scientific cycle, from hypothesis generation and protocol planning to multi-step experimental execution, result analysis and reporting, acting as an experimentalist. Markedly, the system has achieved, for the first time, the AI-creation of graphene, as well as the first AI-fabrication of complex nanodevices including atomically thin field-effect transistors via vdW stacking. Qumus excels at these tasks by demonstrating autonomous error correction and closed-loop experimentation. Our results establish a generalizable framework for self-improving embodied AI systems that learn directly from the quantum world, opening a pathway toward accelerated discovery in quantum materials, electronics and beyond.