自主实验室编排器的最优资源利用

arXiv cs.AI 论文
autonomous-laboratories resource-utilization constraint-programming ai-agents scheduling laboratory-automation metal-organic-framework

摘要

本文提出了一种两步法，用于优化自主实验室中的资源利用率，该方法使用约束规划进行调度，并利用状态依赖关系实现稳健执行，并在金属有机框架合成平台上进行了演示。

arXiv:2607.01188v1 公告类型：新 摘要：在自主实验室中，AI代理建议下一个实验批次。然而，充分利用可用资源来规划和执行这些任务是一个完全不同的问题。在处理真实世界的硬件约束时，这可能会带来挑战，尤其是在存在多个不同容量和吞吐量的仪器时。在此，我们展示了一种两步法来解决我们自主金属有机框架合成平台的资源利用率问题。首先，我们使用约束规划来寻找最优调度。这可以找到在满足硬件限制和容量的同时最小化总时间的调度方案。其次，我们为每个任务使用状态依赖关系系统，从而能够稳健地执行最优调度。
查看原文
查看缓存全文

缓存时间: 2026/07/02 05:41 

# 自主实验室编排器的最优资源利用
来源：https://arxiv.org/abs/2607.01188
查看PDF (https://arxiv.org/pdf/2607.01188)

> 摘要：在自主实验室中，AI代理会建议下一批待执行的实验。然而，规划并执行这些任务以充分利用现有资源则完全是另一个问题。当处理现实世界中的硬件约束时，尤其是存在多个具有不同容量和吞吐量的仪器时，这会变得颇具挑战性。本文针对我们的金属有机框架合成自主平台，展示了一种两步式的资源利用方法。首先，我们使用约束编程来寻找最优调度方案。这些方案能在满足硬件限制和容量的同时，最小化总执行时间。其次，我们为每个任务引入状态依赖系统，从而实现对最优调度方案的稳健执行。

## 提交历史

来自：Austin McDannald 博士 \[查看邮件 (https://arxiv.org/show-email/3f6bb6eb/2607.01188)\] **\[v1\]** 2026年7月1日周三 17:20:45 UTC（520 KB）

相似文章

使用 OR-Tools CP-SAT 解决调度问题

Hacker News Top

本文探讨了如何使用 Google OR-Tools CP-SAT 求解器来优化 Akamai 云基础设施的维护调度，解决了涉及容量和并发等复杂约束的问题。

COOPA：一种面向运筹学问题的模块化LLM智能体架构

arXiv cs.LG

本文介绍了COOPA，一种面向运筹学问题的模块化LLM智能体架构，它结合了基于迭代置信度的建模、元素级溯源和多求解器路由。在八个LLM主干网络和四个基线的评估中，COOPA在六个主干网络上取得了最佳的宏平均准确率，并在最强基线的基础上提升了最多6.7个百分点。

面向仓库优化的上下文感知流水线合成

arXiv cs.AI

本文提出CASOP（上下文感知优化流水线合成与评估框架），用于仓库订单履约中优化流水线的上下文感知合成与评估，支持从模块化仓库中自动构建有效的算法流水线。