Et nyt forskningsresultat fra arXiv viser, at store sprogmodeller (LLM'er) kan udføre kontrollerede eksperimenter ved hjælp af videnskabelige simuleringsmodeller – et skridt mod at gøre AI brugbar i komplekse ingeniør- og produktionssammenhænge. Forskningen, beskrevet i artiklen på arXiv, præsenterer et multi-agent-system, der ikke blot genererer tekst, men aktivt designer, eksekverer og fortolker eksperimenter i en simuleringsmodel for farmaceutisk procesdesign.
Systemet tager udgangspunkt i en brugerforespørgsel og en baseline-konfiguration, hvorefter det konstruerer en struktureret opgavemodel, designer eksperimenter, kører sammenlignende simuleringer og fortolker resultaterne. Ifølge forfatterne giver denne tilgang mere specifikke og handlingsrettede output end sprogbaseret ræsonnering alene – en forskel, der i en industriel kontekst viser sig i højere output-specificitet samt forbedret brugerbedømt korrekthed og hjælpsomhed.
For beslutningstagere er pointen ikke den tekniske arkitektur, men konsekvensen: LLM'er kan bevæge sig fra at foreslå plausibel tekst til at levere evidensbaserede anbefalinger, der bygger på systematisk afprøvning af alternativer. Det gør teknologien relevant for virksomheder, der arbejder med procesoptimering, kvalitetsstyring eller produktudvikling – områder hvor beslutninger traditionelt kræver dyr og tidskrævende fysisk testning.
Forskerne underbygger resultatet med ablationsstudier og visualiserede case-analyser, som demonstrerer systemets effektivitet og praktiske anvendelighed. Selvom anvendelsen her er farmaceutisk procesdesign, peger metoden mod en bredere klasse af problemer, hvor AI kan understøtte beslutninger gennem simuleringsbaseret eksperimentering.
