本研究评估了大型语言模型（LLM）在复杂生物系统中的应用，从数据分析到自主、AI引导的实验。该框架由一个49通道的光谱传感器网络驱动，涵盖多光谱、电化学和介电模态。为了提高可访问性，该系统为专家和非专家提供实时自然语言解释。然而，其核心优势在于从人机交互分析转向自主控制。处理生物物理数据，LLM评估植物生理学并触发硬件执行器以优化微气候、执行表型协议或诱导受控应激场景。该闭环架构建立了直接的AI-生物学接口，实现复杂生物系统和生态系统的数据驱动探索。该框架在三个案例研究中得到了验证，基于垂直农场和单植物设置，揭示了植物生理学中的复杂微观和宏观波动。生产级部署中的代理执行多参数优化，平衡生物量积累、叶绿素含量和能耗。LLM处理生物遥测数据以调节全光谱、450 nm和660 nm照明，每2小时间隔。与周期控制相比，系统在最短时间模式下将生产周期减少了35％。在能量优化模式下，它将能耗减少了18％，仅略微增加了培养时间，通过光脉冲利用生理惯性。最后，代理自主开发了一种意外的黑暗诱导叶绿素积累策略，导致能耗节省了67.9％。该框架将LLM转变为数字农业的自主协同系统，提高成本效比并降低计算和专家劳动约束。 博主点评： 本研究将LLM应用于数字农业，实现了自主控制和优化，具有广阔的应用前景和潜力。通过数据驱动的方式，LLM可以帮助提高农业生产效率和资源利用率，具有重要的经济和环境价值。