Cet article présente une étude sur le développement d'un framework d'agent capable d'exécuter de manière autonome des tâches complexes en intégrant plusieurs modèles de langage à grande échelle (LLM), et son application à la rétro-ingénierie des métamatériaux photoniques. Étant donné un spectre optique souhaité, le framework propose et développe de manière autonome un modèle d'apprentissage profond prospectif, accède à des outils externes via des API pour des tâches telles que la simulation et l'optimisation, exploite la mémoire et génère la conception finale via des méthodes inverses profondes. Il démontre son efficacité grâce à l'automatisation, au raisonnement, à la planification et aux capacités d'adaptation, et peut générer des résultats divers et potentiellement novateurs grâce à la réflexion interne et à la flexibilité décisionnelle.
