PRISM：通过智能仿真建模进行协议优化
TLDR
PRISM利用LLM智能体自动化实验方案设计与执行，并通过数字孪生和真实案例验证。
评分理由
The paper presents a novel framework integrating LLM-based agents for protocol generation, critique, and execution on robotic platforms, with strong empirical validation through digital twin and real-world experiments. However, the abstract lacks details on scalability, error rates, and comparison to human-designed protocols, limiting assessment of generalizability.
Read-first 评分解释
综合优先阅读分 64.4，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 75。
研究版图角色
排序敏感性
稳定性：volatile；排名波动范围：32。
关键词评分
深度分析
创新点
- PRISM框架利用基于语言模型的智能体自动化实验方案的设计、验证与执行
- 多智能体规划、批评与验证循环，将网络来源的规程转化为结构化实验步骤
- 转换为Argonne MADSci协议格式，实现多机器人仪器无需人工干预的协调
- 在NVIDIA Omniverse中进行数字孪生验证，在执行前检测物理或序列错误
- 端到端工作流，连接基于语言的协议生成、基于仿真的验证和自动化机器人执行
方法
PRISM使用基于语言模型的智能体从网络来源收集规程，然后通过规划、批评与验证循环将其精炼为结构化步骤。这些步骤被转换为MADSci格式以供机器人执行，并在物理执行前于数字孪生环境（NVIDIA Omniverse）中验证协议。评估在受限和开放式提示下对单一推理模型和多智能体工作流进行基准测试，并以Luna qPCR和Cell Painting作为案例研究。
关键结果
PRISM成功生成并验证了Luna qPCR扩增和Cell Painting的协议，展示了从基于语言的生成到机器人执行（含基于仿真的错误检测）的端到端工作流。