Las dos versiones están alineadas bloque a bloque, en el orden del texto: titular, lo esencial y después párrafo a párrafo. Cuando la traducción ha fusionado o dividido un párrafo, la casilla correspondiente queda vacía — nunca emparejamos dos pasajes a ojo.
A chemist types a plain sentence into the system: “Increasing the temperature improves yield.” Within the same session, the AI has already changed the order in which it tests conditions. That is the core of a new framework from the Korea Research Institute of Chemical Technology (KRICT), described by Dr. Gwang-Noh Ahn's team as a way to let scientists hand their know-how directly to a self-driving laboratory.
Un químico escribe una frase sencilla en el sistema: «Aumentar la temperatura mejora el rendimiento». Dentro de la misma sesión, la IA ya ha cambiado el orden en que prueba las condiciones. Ese es el núcleo de un nuevo marco de trabajo del Instituto Coreano de Investigación en Tecnología Química (KRICT), descrito por el equipo del doctor Gwang-Noh Ahn como una forma de que los científicos transmitan su saber directamente a un laboratorio autónomo.
The mechanism works in three steps. A large language model (LLM), the kind of program that reads and writes everyday text, converts the researcher's remark into structured prior information and constraints. A Bayesian optimization (BO) algorithm, a method that weighs past results to choose the most promising next experiment, uses that information to pick the next run. The results go back into the loop, and the researcher can revise the guidance in natural language at any time. The team calls the whole approach human-in-the-loop optimization (HILO). Conventional automated equipment repeats predefined procedures; here the AI decides which experiment comes next.
El mecanismo funciona en tres pasos. Un modelo de lenguaje de gran tamaño (LLM), el tipo de programa que lee y escribe texto cotidiano, convierte la observación del investigador en información previa estructurada y en restricciones. Un algoritmo de optimización bayesiana (BO), un método que pondera los resultados previos para elegir el experimento siguiente más prometedor, utiliza esa información para decidir la siguiente ejecución. Los resultados vuelven al ciclo, y el investigador puede modificar las indicaciones en lenguaje natural en cualquier momento. El equipo denomina al conjunto optimización con humano en el bucle (HILO, por sus siglas en inglés). Los equipos automatizados convencionales repiten procedimientos predefinidos; aquí, la IA decide qué experimento viene después.
The risk is obvious: a wrong hunch can send the AI in the wrong direction. To address it, the team added a safeguard it calls adaptive weight credibility detection (AWCD). It compares the advice with the experimental data and, when enough contradictory evidence accumulates, switches off the misleading prior and returns to purely data-driven search. In tests with deliberately incorrect guidance, conventional methods failed to find the optimal conditions, while the new framework detected the error and recovered its performance. When the advice is accurate, AWCD keeps it active.
El riesgo es evidente: una intuición errónea puede llevar a la IA en la dirección equivocada. Para evitarlo, el equipo añadió una salvaguarda que denomina detección adaptativa de credibilidad de los pesos (AWCD, por sus siglas en inglés). Compara el consejo con los datos experimentales y, cuando se acumulan suficientes pruebas contradictorias, desactiva la información previa engañosa y vuelve a una búsqueda basada únicamente en los datos. En pruebas con indicaciones deliberadamente incorrectas, los métodos convencionales no lograron encontrar las condiciones óptimas, mientras que el nuevo marco detectó el error y recuperó su rendimiento. Cuando el consejo es acertado, AWCD lo mantiene activo.
The gains reported are from about 30 to fewer than 10 searches for the Ugi reaction, and from about 20 to three to five searches for the P3HT-CNT composite. The team estimates the effect is comparable to having about 40 experimental data points available in advance, which could save around 20 days of initial exploration in catalyst experiments that take half a day or more per run. These are virtual experiments built on real data, not runs on a physical robot, and the team says it still has to validate the system on physical self-driving lab equipment. No date for that work is given.
Las mejoras reportadas son de unas 30 a menos de 10 búsquedas para la reacción de Ugi, y de unas 20 a entre tres y cinco búsquedas para el compuesto P3HT-CNT. El equipo calcula que el efecto equivale a disponer de unos 40 puntos de datos experimentales de antemano, lo que podría ahorrar unos 20 días de exploración inicial en experimentos con catalizadores que requieren medio día o más por ejecución. Se trata de experimentos virtuales basados en datos reales, no de ejecuciones en un robot físico, y el equipo afirma que todavía debe validar el sistema en equipos de laboratorio autónomos físicos. No se indica una fecha para ese trabajo.
For a research group, the immediate benefit would be fewer wasted runs in expensive fields such as catalysts and new materials, where the team expects the approach to cut development time and costs. Because the guidance is written in ordinary language, a chemist without programming skills could steer the search, and an interactive interface called Co-Scientist, which the team has released, allows changes in direction during an optimization. Whether that holds up on real equipment, and on problems far from the two tested reactions, is what the next experiments will decide.
Para un grupo de investigación, el beneficio inmediato sería menos ejecuciones desperdiciadas en campos costosos como los catalizadores y los nuevos materiales, donde el equipo espera que el enfoque reduzca los tiempos y los costes de desarrollo. Como las indicaciones se escriben en lenguaje corriente, un químico sin conocimientos de programación podría dirigir la búsqueda, y una interfaz interactiva llamada Co-Scientist, que el equipo ha publicado, permite cambiar de rumbo durante una optimización. Si el método funciona con equipos reales y con problemas muy alejados de las dos reacciones probadas es lo que decidirán los próximos experimentos.