تعتبر تقنية التشتت بالأشعة السينية (XRD) من الأركان الأساسية في علوم المواد، ورغم ذلك فإن تحقيق مستوى موثوق من التشغيل الآلي الكامل لا يزال يمثل تحدياً كبيراً. يتطلب الأمر من وكيل XRD تحليل أدلة التشتت، واستخدام برامج التحسين، وإدارة المعلمات المرتبطة بطريقة متسقة، والتمييز بين التحسين العددي والصلاحية الفيزيائية.

في ضوء هذا التحدي، نقدم لكم AutoXRD، وهو إطار عمل جديد وكيل يعتمد على نماذج لغوية ضخمة (LLM) يُنظم تحليل XRD بالمسحوق كخطوات متسلسلة من التحسين، مما يتيح تنفيذ إجراءات تستند إلى الأدلة الملاحظة. كما يقوم بإجراء اختبارات بلورية وفيزيائية حاسمة قبل قبول النتائج.

إضافةً إلى ذلك، نقدم XRDBench مع مسارين تكميليين؛ حيث يحتوي XRDBench-QA على 100 مهمة تشخيصية محدودة تركز على التفكير العلمي واتخاذ القرار، بينما يتضمن XRDBench-E2E 34 مسار عمل قابل للتنفيذ لاختبار ما إذا كانت الوكلاء قادرين على تجميع هذه الإمكانيات في تحليلات مكتملة تتطلب فحص الملفات، وتنفيذ البرمجيات البلورية، والتحسين التكراري، واحتفاظ الأدلة، وإعداد التقارير.

لقد قمنا بتقييم عشرة نماذج حديثة من LLM عبر 1,340 تجربة نموذج-مهمة، حيث بلغ متوسط الدرجة 57.8 من 100. بينما سجلت النماذج أداءً أفضل في تقييم تاريخ التحسين وقبول النتائج، إلا أنها لا تزال تعاني من ضعف كبير في اختيار إجراءات التحسين، وتقدير المراحل، والتأشير، وتحسين Rietveld.

وعلى صعيد النتائج، سجل نموذج GPT-5.6 Sol أعلى درجة إجمالية بلغت 81.1، بينما حصل نموذج GPT-5.6 Terra على أعلى تقدير تحت XRDBench-E2E بواقع 81.0، وحقق نموذج GPT-5.6 Luna أفضل توازن بين الدرجة والتكلفة. تظهر التحليلات أن كافة المكونات الستة لـ AutoXRD تُحسن الأداء بشكل مت consistent، مما يدعم تصميم الإطار.

تشير تحليلات تتبع التنفيذ إلى وجود إخفاقات متكررة في التحكم في المعلمات المترابطة، والتفكير الكمي، واحتفاظ الأدلة، وإنهاء سير العمل، مما يدعو إلى تطبيق قيود علمية أكثر صرامة، واتخاذ قرارات واعية تجاه الشك، وتخطيط أكثر كفاءة.