論文の概要: MOOSE-Chem3: Toward Experiment-Guided Hypothesis Ranking via Simulated Experimental Feedback

• arxiv url: http://arxiv.org/abs/2505.17873v1
• Date: Fri, 23 May 2025 13:24:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-26 18:08:34.103919
• Title: MOOSE-Chem3: Toward Experiment-Guided Hypothesis Ranking via Simulated Experimental Feedback
• Title（参考訳）: MOOSE-Chem3:シミュレートされた実験フィードバックによる実験誘導仮説ランク付けに向けて
• Authors: Wanhao Liu, Zonglin Yang, Jue Wang, Lidong Bing, Di Zhang, Dongzhan Zhou, Yuqiang Li, Houqiang Li, Erik Cambria, Wanli Ouyang,
• Abstract要約: 本研究では,事前試験の結果に基づいて仮説を優先順位付けすることを目的とした,実験誘導ランキングの課題について紹介する。 本稿では,3つのドメインインフォームド仮定に基づいて,仮説性能を既知の基底的真理仮説に類似した関数としてモデル化するシミュレータを提案する。 実験結果を用いて,124の化学仮説のデータセットをキュレートし,シミュレーションの有効性を検証した。
• 参考スコア（独自算出の注目度）: 128.2992631982687
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hypothesis ranking is a crucial component of automated scientific discovery, particularly in natural sciences where wet-lab experiments are costly and throughput-limited. Existing approaches focus on pre-experiment ranking, relying solely on large language model's internal reasoning without incorporating empirical outcomes from experiments. We introduce the task of experiment-guided ranking, which aims to prioritize candidate hypotheses based on the results of previously tested ones. However, developing such strategies is challenging due to the impracticality of repeatedly conducting real experiments in natural science domains. To address this, we propose a simulator grounded in three domain-informed assumptions, modeling hypothesis performance as a function of similarity to a known ground truth hypothesis, perturbed by noise. We curate a dataset of 124 chemistry hypotheses with experimentally reported outcomes to validate the simulator. Building on this simulator, we develop a pseudo experiment-guided ranking method that clusters hypotheses by shared functional characteristics and prioritizes candidates based on insights derived from simulated experimental feedback. Experiments show that our method outperforms pre-experiment baselines and strong ablations.
• Abstract（参考訳）: 仮説ランキングは、特にウェットラブ実験が費用がかかりスループットが制限される自然科学において、自動科学的発見の重要な要素である。 既存のアプローチは、実験から経験的な結果を取り入れることなく、大きな言語モデルの内部推論のみに依存する、実験前のランキングに重点を置いている。 本研究では,事前試験の結果に基づいて仮説を優先順位付けすることを目的とした,実験誘導ランキングの課題について紹介する。 しかし、自然科学領域における実実験を繰り返し実施する非現実性のため、このような戦略の開発は困難である。 そこで本研究では,3つのドメイン情報に基づく仮定を基礎としたシミュレータを提案し,雑音に乱される既知基底真理仮説に類似した関数として仮説性能をモデル化する。 実験結果を用いて,124の化学仮説のデータセットをキュレートし,シミュレーションの有効性を検証した。 本シミュレータで構築した擬似実験誘導ランキング法は,共有機能特性により仮説をクラスタリングし,シミュレーションされた実験フィードバックから得られる知見に基づいて候補を優先順位付けする。 実験により,本手法は,実験前のベースラインや強いアブレーションよりも優れていた。

関連論文リスト

• Causal Lifting of Neural Representations: Zero-Shot Generalization for Causal Inferences [56.23412698865433]
  予測型因果推論(PPCI)に焦点をあてる PPCIは、未ラベルの事実結果を用いた対象実験における治療効果を推定し、事前訓練されたモデルからゼロショットを取得する。 バニラ実験的リスク最小化によって解決不可能なインスタンスに対するソリューションを提供するため,本手法を合成および実世界の科学的データに対して検証する。
  論文  参考訳（メタデータ） (2025-02-10T10:52:17Z)
• Simulating Field Experiments with Large Language Models [0.6144680854063939]
  本稿では,大規模言語モデル(LLM)のフィールド実験への応用を先導する。 観測者モードと参加者モードという2つの新しいプロンプト戦略を導入することで、複雑なフィールド設定において、結果の予測と参加者応答の再現の両方を行うLLMの能力を実証する。 以上の結果から,特定のシナリオにおいて実際の実験結果と良好な一致を示し,観察モードでは66%の刺激精度が得られた。
  論文  参考訳（メタデータ） (2024-08-19T03:41:43Z)
• LLM and Simulation as Bilevel Optimizers: A New Paradigm to Advance Physical Scientific Discovery [141.39722070734737]
  本稿では,大規模言語モデルの知識駆動型抽象推論能力をシミュレーションの計算力で強化することを提案する。 本稿では,2段階最適化フレームワークであるSGA(Scientific Generative Agent)を紹介する。 法発見と分子設計における枠組みの有効性を実証するための実験を行った。
  論文  参考訳（メタデータ） (2024-05-16T03:04:10Z)
• The Challenge of Using LLMs to Simulate Human Behavior: A Causal Inference Perspective [0.27624021966289597]
  大きな言語モデル(LLM)は、人間の振る舞いをシミュレートする素晴らしい可能性を示している。 実験をシミュレートする上での根本的な課題を特定します。 LLMを模擬した被験者が実験設計に盲目である場合、治療のバリエーションは不特定変数に系統的に影響を及ぼす。
  論文  参考訳（メタデータ） (2023-12-24T16:32:35Z)
• Large Language Models for Automated Open-domain Scientific Hypotheses Discovery [50.40483334131271]
  本研究は,社会科学の学術的仮説発見のための最初のデータセットを提案する。 従来のデータセットとは異なり、新しいデータセットには、(1)オープンドメインデータ(RAW Webコーパス)を観察として使用すること、(2)人間性にさらに新しい仮説を提案することが必要である。 パフォーマンス向上のための3つのフィードバック機構を含む,タスクのためのマルチモジュールフレームワークが開発されている。
  論文  参考訳（メタデータ） (2023-09-06T05:19:41Z)
• A Double Machine Learning Approach to Combining Experimental and Observational Data [59.29868677652324]
  実験と観測を組み合わせた二重機械学習手法を提案する。 我々の枠組みは、より軽度の仮定の下で、外部の妥当性と無知の違反を検査する。
  論文  参考訳（メタデータ） (2023-07-04T02:53:11Z)
• Optimal tests following sequential experiments [0.0]
  本研究の目的は, それらの特性を解析することにより, 逐次実験のための最適試験の開発を支援することである。 我々の重要な発見は、任意のテストのパワー関数が極限実験でテストによって一致できることである。 この結果は、強力な充足結果を含む重要な意味を持つ。
  論文  参考訳（メタデータ） (2023-04-30T06:09:49Z)
• Optimal Learning for Sequential Decisions in Laboratory Experimentation [0.0]
  このチュートリアルは、実験科学者に意思決定の科学の基礎を提供することを目的としている。 学習政策の概念を導入し,主要な政策カテゴリを概観する。 次に、知識勾配と呼ばれるポリシーを導入し、各実験からの情報の価値を最大化する。
  論文  参考訳（メタデータ） (2020-04-11T14:53:29Z)

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。