論文の概要: Aitomia: Your Intelligent Assistant for AI-Driven Atomistic and Quantum Chemical Simulations
- arxiv url: http://arxiv.org/abs/2505.08195v1
- Date: Tue, 13 May 2025 03:11:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-14 20:57:54.405862
- Title: Aitomia: Your Intelligent Assistant for AI-Driven Atomistic and Quantum Chemical Simulations
- Title(参考訳): AI駆動の原子論と量子化学シミュレーションのためのインテリジェントアシスタントAitomia
- Authors: Jinming Hu, Hassan Nawaz, Yuting Rui, Lijie Chi, Arif Ullah, Pavlo O. Dral,
- Abstract要約: AitomiaはAIを利用したプラットフォームで、AI駆動の原子論と量子化学(QC)シミュレーションの実行を支援する。
Aitomiaには計算とAIエージェントが備わっており、原子論シミュレーションのセットアップと実行において専門家や非専門家を支援する。
- 参考スコア(独自算出の注目度): 2.547250631115307
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We have developed Aitomia - a platform powered by AI to assist in performing AI-driven atomistic and quantum chemical (QC) simulations. This intelligent assistant platform is equipped with chatbots and AI agents to help experts and guide non-experts in setting up and running the atomistic simulations, monitoring their computation status, analyzing the simulation results, and summarizing them for the user in text and graphical forms. We achieve these goals by exploiting fine-tuned open-source large language models (LLMs), rule-based agents, and a retrieval-augmented generation (RAG) system. Aitomia leverages the versatility of our MLatom ecosystem for AI-enhanced computational chemistry. This intelligent assistant is going to be integrated into the Aitomistic Hub and XACS online computing services, with some functionality already publicly available as described at http://mlatom.com/aitomia. Aitomia is expected to lower the barrier to performing atomistic simulations, accelerating research and development in the relevant fields.
- Abstract(参考訳): AIを利用したAI駆動原子論と量子化学(QC)シミュレーションの実行を支援するプラットフォームであるAitomiaを開発した。
このインテリジェントアシスタントプラットフォームはチャットボットとAIエージェントを備えており、専門家や非専門家が原子論シミュレーションのセットアップと実行、計算状況の監視、シミュレーション結果の分析、テキストやグラフィカル形式でユーザのためにそれらを要約するのを支援する。
この目的を達成するために,細調整されたオープンソースの大言語モデル (LLM) ,ルールベースエージェント,検索拡張生成システム (RAG) を利用する。
Aitomiaは、私たちのMLatomエコシステムの汎用性を活用して、AIによって強化された計算化学に利用します。
このインテリジェントアシスタントは、Aitomistic HubとXACSオンラインコンピューティングサービスに統合される予定だ。
Aitomiaは、原子学シミュレーションの実行障壁を低くし、関連分野の研究と開発を加速することが期待されている。
関連論文リスト
- Quantum Computing and AI: Perspectives on Advanced Automation in Science and Engineering [0.0]
人工知能(AI)と量子コンピューティングの最近の進歩は、科学と工学のプロセスにおける自動化を加速させている。
この視点は、科学的な自動化と確立されたコンピュータ支援工学(CAE)の実践の類似点を強調している。
論文 参考訳(メタデータ) (2025-05-15T06:53:30Z) - Rapid and Automated Alloy Design with Graph Neural Network-Powered LLM-Driven Multi-Agent Systems [0.0]
マルチエージェントAIモデルは、新しい金属合金の発見を自動化するために使用される。
MLをベースとした原子間ポテンシャルをモデルとした立方晶(bcc)合金のNbMoTa族に着目した。
LLMをベースとしたエージェントの動的協調により、GNNの予測力を相乗化することにより、システムは巨大な合金設計空間を自律的にナビゲートする。
論文 参考訳(メタデータ) (2024-10-17T17:06:26Z) - A Perspective on AI-Guided Molecular Simulations in VR: Exploring Strategies for Imitation Learning in Hyperdimensional Molecular Systems [0.7853804618032806]
バーチャルリアリティー(iMD-VR)におけるインタラクティブ分子動力学は,近年,「ループ内人間」戦略として開発されている。
本稿では、ユーザ生成したiMD-VRデータセットを用いて、模倣学習(IL)を用いてAIエージェントを訓練する可能性について検討する。
論文 参考訳(メタデータ) (2024-09-11T11:21:02Z) - A Study on Quantum Car-Parrinello Molecular Dynamics with Classical Shadows for Resource Efficient Molecular Simulation [0.24578723416255746]
分子動力学(Ab-initio molecular dynamics、AIMD)は、物質の物性を研究するために分子の物理運動をシミュレートする強力なツールである。
近い将来の量子コンピュータは、この課題を緩和するための解決策として多くの注目を集めている。
提案手法に基づいて,資源効率の向上を目的とした古典的シャドウ手法を提案する。
論文 参考訳(メタデータ) (2024-06-27T00:06:23Z) - DrEureka: Language Model Guided Sim-To-Real Transfer [64.14314476811806]
シミュレーションで学んだ政策を現実世界に伝達することは、ロボットのスキルを大規模に獲得する上で有望な戦略である。
本稿では,Large Language Models (LLMs) を用いてシム・トゥ・リアル設計の自動化と高速化を行う。
本手法では,ヨガボールの上を歩行する四足歩行や四足歩行など,新しいロボットタスクを解くことができる。
論文 参考訳(メタデータ) (2024-06-04T04:53:05Z) - Generative AI Agent for Next-Generation MIMO Design: Fundamentals, Challenges, and Vision [76.4345564864002]
次世代の多重入力多重出力(MIMO)はインテリジェントでスケーラブルであることが期待される。
本稿では、カスタマイズされた特殊コンテンツを生成することができる生成型AIエージェントの概念を提案する。
本稿では、生成AIエージェントをパフォーマンス分析に活用することの有効性を示す2つの説得力のあるケーススタディを示す。
論文 参考訳(メタデータ) (2024-04-13T02:39:36Z) - Neuromorphic hardware for sustainable AI data centers [3.011658333753524]
ニューロモルフィックハードウェアは、脳が情報を処理する方法からインスピレーションを得ている。
その可能性にもかかわらず、ニューロモルフィックなハードウェアは商用AIデータセンターに導入されていない。
本稿は、ニューロモルフィックハードウェアをデータセンターに統合する際の課題に対する意識を高めることを目的としている。
論文 参考訳(メタデータ) (2024-02-04T15:08:50Z) - DiffuseBot: Breeding Soft Robots With Physics-Augmented Generative
Diffusion Models [102.13968267347553]
本稿では,様々なタスクにおいて優れたソフトロボット形態を生成する物理拡張拡散モデルであるDiffuseBotを提案する。
我々は、その能力とともに、シミュレーションされた、そして製造された様々なロボットを紹介します。
論文 参考訳(メタデータ) (2023-11-28T18:58:48Z) - Chemist-X: Large Language Model-empowered Agent for Reaction Condition Recommendation in Chemical Synthesis [55.30328162764292]
Chemist-Xは、化学合成における反応条件最適化(RCO)タスクを自動化する包括的なAIエージェントである。
このエージェントは、検索強化世代(RAG)技術とAI制御のウェットラブ実験を実行する。
我々の自動ウェットラブ実験の結果は、LLMが制御するエンドツーエンドの操作を、ロボットに人間がいない状態で行うことで達成され、Chemist-Xの自動運転実験における能力が証明された。
論文 参考訳(メタデータ) (2023-11-16T01:21:33Z) - Physical Computing for Materials Acceleration Platforms [81.09376948478891]
我々は、MAPs研究プログラムの一環として、新しい素材の探索を加速する同じシミュレーションとAIツールが、根本的に新しいコンピュータ媒体の設計を可能にすると論じている。
シミュレーションに基づくMAPプログラムの概要を述べる。
我々は、材料研究者と計算機科学者の革新的なコラボレーションの新たな時代を導入することを期待している。
論文 参考訳(メタデータ) (2022-08-17T23:03:54Z) - Simulation Intelligence: Towards a New Generation of Scientific Methods [81.75565391122751]
シミュレーション知能の9つのモチーフ」は、科学計算、科学シミュレーション、人工知能の融合に必要な重要なアルゴリズムの開発と統合のためのロードマップである。
シミュレーションインテリジェンスのモチーフは、オペレーティングシステムのレイヤ内のコンポーネントとよく似ています。
我々は、モチーフ間の協調的な努力が科学的な発見を加速する大きな機会をもたらすと信じている。
論文 参考訳(メタデータ) (2021-12-06T18:45:31Z) - Edge-Cloud Polarization and Collaboration: A Comprehensive Survey [61.05059817550049]
クラウドとエッジ両方のAIの体系的なレビューを行います。
私たちはクラウドとエッジモデリングの協調学習メカニズムを最初にセットアップしました。
我々は現在進行中の最先端AIトピックの可能性と実践経験について議論する。
論文 参考訳(メタデータ) (2021-11-11T05:58:23Z) - ChemiQ: A Chemistry Simulator for Quantum Computer [6.270568229181158]
ChemiQは化学の量子シミュレーションツールで、実際の量子コンピュータや仮想量子コンピュータで化学研究や分子計算を行うのを支援するように設計されている。
分子構造を視覚的に構築し、基底状態エネルギーを素早くシミュレートし、分子ポテンシャルエネルギー曲線を距離または角度で走査し、化学反応を研究し、分析後にグラフ計算結果を返す。
論文 参考訳(メタデータ) (2021-06-18T14:57:03Z) - Deep Bayesian Active Learning for Accelerating Stochastic Simulation [74.58219903138301]
Interactive Neural Process(INP)は、シミュレーションとアクティブな学習アプローチのためのディープラーニングフレームワークである。
能動的学習のために,NPベースモデルの潜時空間で計算された新しい取得関数Latent Information Gain (LIG)を提案する。
その結果,STNPは学習環境のベースラインを上回り,LIGは能動学習の最先端を達成していることがわかった。
論文 参考訳(メタデータ) (2021-06-05T01:31:51Z)
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。