論文の概要: Bridging Literature and the Universe Via A Multi-Agent Large Language Model System
- arxiv url: http://arxiv.org/abs/2507.08958v1
- Date: Fri, 11 Jul 2025 18:31:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-15 18:48:21.963688
- Title: Bridging Literature and the Universe Via A Multi-Agent Large Language Model System
- Title（参考訳）: ブリッジング文学と宇宙 -マルチエージェント大規模言語モデルシステム-
- Authors: Xiaowen Zhang, Zhenyu Bi, Xuan Wang, Tiziana Di Matteo, Rupert A. C. Croft,
- Abstract要約: 物理学者は、高密度の学術論文からシミュレーションパラメータを抽出するために大量の文献を探索するという課題に直面している。
文献からパラメータ設定を自動生成するマルチエージェントシステムであるSimAgentsと、宇宙論研究のための予備解析について紹介する。
SimAgents は物理推論、シミュレーションソフトウェア検証、ツール実行が可能な特殊な LLM エージェントによって駆動される。
- 参考スコア（独自算出の注目度）: 6.289144034488996
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As cosmological simulations and their associated software become increasingly complex, physicists face the challenge of searching through vast amounts of literature and user manuals to extract simulation parameters from dense academic papers, each using different models and formats. Translating these parameters into executable scripts remains a time-consuming and error-prone process. To improve efficiency in physics research and accelerate the cosmological simulation process, we introduce SimAgents, a multi-agent system designed to automate both parameter configuration from the literature and preliminary analysis for cosmology research. SimAgents is powered by specialized LLM agents capable of physics reasoning, simulation software validation, and tool execution. These agents collaborate through structured communication, ensuring that extracted parameters are physically meaningful, internally consistent, and software-compliant. We also construct a cosmological parameter extraction evaluation dataset by collecting over 40 simulations in published papers from Arxiv and leading journals that cover diverse simulation types. Experiments on the dataset demonstrate a strong performance of SimAgents, highlighting its effectiveness and potential to accelerate scientific research for physicists. Our demonstration video is available at: https://youtu.be/w1zLpm_CaWA. The complete system and dataset are publicly available at https://github.com/xwzhang98/SimAgents.
- Abstract（参考訳）: 宇宙シミュレーションとその関連ソフトウェアが複雑化するにつれて、物理学者は大量の文献やユーザマニュアルを探索して、それぞれ異なるモデルとフォーマットを使用して、密度の高い学術論文からシミュレーションパラメータを抽出するという課題に直面している。
これらのパラメータを実行可能なスクリプトに変換することは、依然として時間がかかり、エラーが発生しやすいプロセスである。
物理研究の効率化と宇宙シミュレーションプロセスの高速化を目的として,文献からパラメータ設定を自動化するマルチエージェントシステムSimAgentsと,宇宙研究のための予備解析を行った。
SimAgents は物理推論、シミュレーションソフトウェア検証、ツール実行が可能な特殊な LLM エージェントによって駆動される。
これらのエージェントは構造化されたコミュニケーションを通じて協調し、抽出されたパラメータが物理的に意味があり、内部的に一貫性があり、ソフトウェアに準拠することを保証する。
また、Arxivから40以上のシミュレーションを収集して宇宙パラメータ抽出評価データセットを構築する。
データセットの実験は、SimAgentsの強力な性能を示し、その効果と物理学者のための科学研究を加速する可能性を強調している。
私たちのデモビデオは、https://youtu.be/w1zLpm_CaWA.comで公開されています。
完全なシステムとデータセットはhttps://github.com/xwzhang98/SimAgents.comで公開されている。
関連論文リスト
- SimuGen: Multi-modal Agentic Framework for Constructing Block Diagram-Based Simulation Models [0.07315096254838022]
SimuGenは視覚的なSimulinkダイアグラムとドメイン知識の両方を活用することで、正確なSimulinkシミュレーションコードを自動的に生成するフレームワークである。
ソースコードはhttps://github.com/renxinxing123/SimuGen_beta.comで公開されています。
論文 参考訳（メタデータ） (2025-05-28T00:35:43Z) - AgentDynEx: Nudging the Mechanics and Dynamics of Multi-Agent Simulations [12.492232195149661]
本稿では,AgentDynExを提案する。AgentDynExは,ユーザ特定力学とダイナミクスのシミュレーション構築を支援するAIシステムである。
ある技術的評価では、ヌードを使わずにシミュレーションがより複雑な力学を持ち、その顕著なダイナミクスを維持することができることがわかった。
論文 参考訳（メタデータ） (2025-04-13T17:26:35Z) - The AI Cosmologist I: An Agentic System for Automated Data Analysis [0.0]
AIの宇宙論者は、アイデア生成から実験評価、研究普及までの完全なパイプラインを実装している。
従来の自動機械学習システムとは異なり、AI Cosmoologistは多様な実装戦略を生成する。
その結果, エージェントシステムは研究プロセスの一部を自動化し, 科学的発見を加速させる可能性が示唆された。
論文 参考訳（メタデータ） (2025-04-04T13:12:08Z) - MAPS: Advancing Multi-Modal Reasoning in Expert-Level Physical Science [62.96434290874878]
現在のMLLM(Multi-Modal Large Language Models)は、一般的な視覚的推論タスクにおいて強力な機能を示している。
我々は,MLLMに基づく物理知覚とシミュレーションによるマルチモーダル科学推論(MAPS)という新しいフレームワークを開発した。
MAPSは、専門家レベルのマルチモーダル推論タスクを物理的知覚モデル(PPM)を介して物理図理解に分解し、シミュレータを介して物理的知識で推論する。
論文 参考訳（メタデータ） (2025-01-18T13:54:00Z) - ChronoLLM: A Framework for Customizing Large Language Model for Digital Twins generalization based on PyChrono [8.922927652378544]
ChronoLlama氏は、オープンソースのLLMをカスタマイズする新しいフレームワーク、特にコード生成のために、マルチ物理シミュレーションのためにPyChronoと組み合わせたフレームワークを紹介した。
この統合は、シミュレーションスクリプトの作成を自動化し、改善することを目的としており、それによってモデルの精度と効率が向上する。
実験結果から,シミュレーション設定速度,生成符号の精度,計算効率の大幅な向上が示唆された。
論文 参考訳（メタデータ） (2025-01-07T10:39:14Z) - GausSim: Foreseeing Reality by Gaussian Simulator for Elastic Objects [55.02281855589641]
GausSimは、ガウスカーネルを通して表現される現実の弾性物体の動的挙動をキャプチャするために設計された、ニューラルネットワークベースの新しいシミュレータである。
我々は連続体力学を活用し、各カーネルを連続体を表すCenter of Mass System (CMS)として扱う。
さらに、ガウスシムは質量や運動量保存のような明示的な物理制約を取り入れ、解釈可能な結果と堅牢で物理的に妥当なシミュレーションを確実にする。
論文 参考訳（メタデータ） (2024-12-23T18:58:17Z) - Embed and Emulate: Contrastive representations for simulation-based inference [11.543221890134399]
本稿では,新しいシミュレーションベース推論(SBI)手法であるEmbed and Emulate(E&E)を紹介する。
E&Eはデータと対応する高速エミュレータの低次元潜伏埋め込みを潜伏空間に学習する。
本研究では,現実的なパラメータ推定タスクにおいて,既存の手法よりも優れた性能を示す。
論文 参考訳（メタデータ） (2024-09-27T02:37:01Z) - 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) - LLM experiments with simulation: Large Language Model Multi-Agent System for Simulation Model Parametrization in Digital Twins [4.773175285216063]
本稿では,大規模言語モデル(LLM)を適用し,デジタル双生児におけるシミュレーションモデルのパラメトリゼーションを自動化する新しいフレームワークを提案する。
提案手法は,LLMの知識を取り入れたシミュレーションモデルのユーザビリティを向上させる。
このシステムは、ユーザのフレンドリさを高め、人間のユーザの認知負荷を軽減する可能性がある。
論文 参考訳（メタデータ） (2024-05-28T11:59:40Z) - Towards Complex Dynamic Physics System Simulation with Graph Neural ODEs [75.7104463046767]
本稿では,粒子系の空間的および時間的依存性を特徴付ける新しい学習ベースシミュレーションモデルを提案する。
我々は,GNSTODEのシミュレーション性能を,重力とクーロンの2つの実世界の粒子系上で実証的に評価した。
論文 参考訳（メタデータ） (2023-05-21T03:51:03Z) - 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) - A User's Guide to Calibrating Robotics Simulators [54.85241102329546]
本稿では,シミュレーションで学習したモデルやポリシーを現実世界に伝達することを目的とした,様々なアルゴリズムの研究のためのベンチマークとフレームワークを提案する。
我々は、様々なアルゴリズムの性能に関する洞察を特徴付け、提供するために、広く知られたシミュレーション環境の実験を行う。
我々の分析は、この分野の実践者にとって有用であり、sim-to-realアルゴリズムの動作と主特性について、より深い選択をすることができる。
論文 参考訳（メタデータ） (2020-11-17T22:24:26Z)
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。