論文の概要: Accelerating drug discovery with Artificial: a whole-lab orchestration and scheduling system for self-driving labs

• arxiv url: http://arxiv.org/abs/2504.00986v1
• Date: Tue, 01 Apr 2025 17:22:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 13:25:34.822579
• Title: Accelerating drug discovery with Artificial: a whole-lab orchestration and scheduling system for self-driving labs
• Title（参考訳）: Artificialによる薬物発見の加速: 自動運転ラボのための総合的なオーケストレーションとスケジューリングシステム
• Authors: Yao Fehlis, Paul Mandel, Charles Crain, Betty Liu, David Fuller,
• Abstract要約: 自動運転ラボは、自動化されたAI誘導の実験を可能にすることで、薬物発見を変革している。 しかし、複雑なオーケストレーション、さまざまな楽器とAIモデルの統合、データの効率的な管理といった課題に直面している。 人工知能は、包括的なオーケストレーションとスケジューリングシステムでこれらの問題に対処する。 ラボの操作を統一し、自動化し、AIによる意思決定を統合する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Self-driving labs are transforming drug discovery by enabling automated, AI-guided experimentation, but they face challenges in orchestrating complex workflows, integrating diverse instruments and AI models, and managing data efficiently. Artificial addresses these issues with a comprehensive orchestration and scheduling system that unifies lab operations, automates workflows, and integrates AI-driven decision-making. By incorporating AI/ML models like NVIDIA BioNeMo - which facilitates molecular interaction prediction and biomolecular analysis - Artificial enhances drug discovery and accelerates data-driven research. Through real-time coordination of instruments, robots, and personnel, the platform streamlines experiments, enhances reproducibility, and advances drug discovery.
• Abstract（参考訳）: 自動運転ラボは、自動化されたAI誘導の実験を可能にすることで、薬物発見を変革しようとしているが、複雑なワークフローのオーケストレーション、さまざまな機器とAIモデルの統合、データの効率的な管理といった課題に直面している。 Artificialはこれらの問題に、総合的なオーケストレーションとスケジューリングシステムで対処し、ラボ操作を統合し、ワークフローを自動化し、AI駆動による意思決定を統合する。 分子間相互作用予測と生分子分析を容易にするNVIDIA BioNeMoのようなAI/MLモデルを導入することで、人工的な薬物発見が強化され、データ駆動型研究が加速される。 楽器、ロボット、人員のリアルタイム調整を通じて、プラットフォームは実験を合理化し、再現性を高め、薬物発見を促進する。

関連論文リスト

• Agents for self-driving laboratories applied to quantum computing [2.840384720502993]
  本稿では,実験者の実験知識の組織化とエージェントによる実験の自動化を支援するため,k-agentsフレームワークを提案する。 本フレームワークでは,実験結果の分析方法を含む実験室の知識をカプセル化するために,大規模言語モデルに基づくエージェントを用いている。 実験を自動化するために,複数ステップの実験手順をステートマシンに分割し,他のエージェントと対話して各ステップの実行を行い,実験結果を解析する実行エージェントを導入する。
  論文  参考訳（メタデータ） (2024-12-10T23:30:44Z)
• Human-Agent Joint Learning for Efficient Robot Manipulation Skill Acquisition [48.65867987106428]
  本稿では,人間とロボットの協調学習システムについて紹介する。 これにより、ロボットエンドエフェクターの制御を学習支援エージェントと共有することができる。 これにより、ダウンストリームタスクにおいて、収集されたデータが十分な品質であることを保証しながら、人間の適応の必要性を減らすことができる。
  論文  参考訳（メタデータ） (2024-06-29T03:37:29Z)
• AlabOS: A Python-based Reconfigurable Workflow Management Framework for Autonomous Laboratories [3.8330070166920556]
  実験のオーケストレーションとリソース管理のための汎用ソフトウェアフレームワークであるAlabOSを紹介する。 AlabOSは再構成可能な実験ワークフローモデルとリソース予約機構を備えており、様々なタスクの同時実行を可能にする。 1.5年間に約3,500のサンプルを合成したA-Labの試作実験室で,AlabOSの実装を実演した。
  論文  参考訳（メタデータ） (2024-05-22T18:59:39Z)
• Empowering Biomedical Discovery with AI Agents [15.125735219811268]
  我々は「AI科学者」を懐疑的な学習と推論が可能なシステムとして想定する。 バイオメディカルAIエージェントは、人間の創造性と専門知識と、大規模なデータセットを分析するAIの能力を組み合わせる。 AIエージェントは、仮想細胞シミュレーション、プログラム可能な表現型の制御、細胞回路の設計、新しい治療法の開発など、幅広い領域に影響を与える可能性がある。
  論文  参考訳（メタデータ） (2024-04-03T16:08:01Z)
• An Autonomous Large Language Model Agent for Chemical Literature Data Mining [60.85177362167166]
  本稿では,幅広い化学文献から高忠実度抽出が可能なエンドツーエンドAIエージェントフレームワークを提案する。 本フレームワークの有効性は,反応条件データの精度,リコール,F1スコアを用いて評価する。
  論文  参考訳（メタデータ） (2024-02-20T13:21:46Z)
• The Foundations of Computational Management: A Systematic Approach to Task Automation for the Integration of Artificial Intelligence into Existing Workflows [55.2480439325792]
  本稿では,タスク自動化の体系的アプローチである計算管理を紹介する。 この記事では、ワークフロー内でAIを実装するプロセスを開始するための、ステップバイステップの手順を3つ紹介する。
  論文  参考訳（メタデータ） (2024-02-07T01:45:14Z)
• Transforming organic chemistry research paradigms: moving from manual efforts to the intersection of automation and artificial intelligence [0.9883261192383611]
  有機化学は、労働集約的なアプローチから、自動化とAIが支配する新しい時代へと、大きなパラダイムシフトを遂げている。 本稿では、このパラダイムシフトによってもたらされる複数の機会と課題について考察し、その長期的影響について考察する。 これは、自動化とAIの相乗的相互作用によってますます定義される有機化学研究の将来の軌道に関する貴重な洞察を提供する。
  論文  参考訳（メタデータ） (2023-11-26T09:46:03Z)
• ProAgent: From Robotic Process Automation to Agentic Process Automation [87.0555252338361]
  LLM(Large Language Models)は、人間のような知性を持つ言語である。 本稿では,ALMをベースとしたエージェントを用いた高度な自動化のための基盤的自動化パラダイムであるエージェントプロセス自動化(APA)を紹介する。 そして、人間の指示を駆使し、特殊エージェントの調整によって複雑な決定を下すように設計されたエージェントであるProAgentをインスタンス化する。
  論文  参考訳（メタデータ） (2023-11-02T14:32:16Z)
• Incremental procedural and sensorimotor learning in cognitive humanoid robots [52.77024349608834]
  本研究は,手順を段階的に学習する認知エージェントを提案する。 各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。 結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
  論文  参考訳（メタデータ） (2023-04-30T22:51:31Z)
• OmniForce: On Human-Centered, Large Model Empowered and Cloud-Edge Collaborative AutoML System [85.8338446357469]
  我々は人間中心のAutoMLシステムであるOmniForceを紹介した。 我々は、OmniForceがAutoMLシステムを実践し、オープン環境シナリオにおける適応型AIを構築する方法について説明する。
  論文  参考訳（メタデータ） (2023-03-01T13:35:22Z)
• An Automated Scanning Transmission Electron Microscope Guided by Sparse Data Analytics [0.0]
  本稿では,新たに出現するスパースデータ分析によって導かれる閉ループ管楽器制御プラットフォームの設計について論じる。 機械学習によって通知される集中型コントローラが、限られた$a$$priori$知識とタスクベースの識別を組み合わせることで、オンザフライでの実験的な意思決定を駆動する様子を実証する。
  論文  参考訳（メタデータ） (2021-09-30T00:25:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。