論文の概要: The (R)evolution of Scientific Workflows in the Agentic AI Era: Towards Autonomous Science
- arxiv url: http://arxiv.org/abs/2509.09915v1
- Date: Fri, 12 Sep 2025 01:14:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-15 16:03:07.953397
- Title: The (R)evolution of Scientific Workflows in the Agentic AI Era: Towards Autonomous Science
- Title（参考訳）: エージェントAI時代の科学ワークフローの進化 : 自律科学を目指して
- Authors: Woong Shin, Renan Souza, Daniel Rosendo, Frédéric Suter, Feiyi Wang, Prasanna Balaprakash, Rafael Ferreira da Silva,
- Abstract要約: 現代の科学的発見は、分散施設と異種資源の調整を必要としている。
AIエージェントにつながるAIの進歩は、エコシステムのコンポーネントとしてインテリジェンスを提供することで、科学的発見を加速できるエキサイティングな新しい機会を示している。
- 参考スコア（独自算出の注目度）: 4.2388809624023365
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modern scientific discovery increasingly requires coordinating distributed facilities and heterogeneous resources, forcing researchers to act as manual workflow coordinators rather than scientists. Advances in AI leading to AI agents show exciting new opportunities that can accelerate scientific discovery by providing intelligence as a component in the ecosystem. However, it is unclear how this new capability would materialize and integrate in the real world. To address this, we propose a conceptual framework where workflows evolve along two dimensions which are intelligence (from static to intelligent) and composition (from single to swarm) to chart an evolutionary path from current workflow management systems to fully autonomous, distributed scientific laboratories. With these trajectories in mind, we present an architectural blueprint that can help the community take the next steps towards harnessing the opportunities in autonomous science with the potential for 100x discovery acceleration and transformational scientific workflows.
- Abstract（参考訳）: 現代の科学的発見は、分散施設と異種資源の調整をますます必要としており、研究者は科学者ではなく手動のワークフローコーディネータとして振る舞うことを余儀なくされている。
AIエージェントにつながるAIの進歩は、エコシステムのコンポーネントとしてインテリジェンスを提供することで、科学的発見を加速できるエキサイティングな新しい機会を示している。
しかし、この新機能が現実世界でどのように実現され統合されるのかは不明だ。
そこで本研究では,現状のワークフロー管理システムから完全自律型分散科学実験室への進化経路をグラフ化するために,ワークフローが知性(静的から知性)と構成(単一から群まで)の2次元に沿って進化する概念的枠組みを提案する。
これらの軌道を念頭に置いて、100倍の発見加速と変革的な科学ワークフローの可能性を秘めた自律科学の機会を活用するための、コミュニティの次のステップを支援するアーキテクチャの青写真を提示します。
関連論文リスト
- From AI for Science to Agentic Science: A Survey on Autonomous Scientific Discovery [90.64813998433253]
エージェントAIは仮説生成、実験設計、実行、分析、反復的洗練の能力を示す。
この調査は、生命科学、化学、材料科学、物理学にまたがる自律的な科学的発見のドメイン指向のレビューを提供する。
論文 参考訳（メタデータ） (2025-08-18T05:25:54Z) - Position: Intelligent Science Laboratory Requires the Integration of Cognitive and Embodied AI [98.19195693735487]
知的科学研究所(ISL)のパラダイムを提案する。
ISLは、認知と具体的知性を深く統合した多層クローズドループフレームワークである。
このようなシステムは、現在の科学的発見の限界を克服するために不可欠である、と我々は主張する。
論文 参考訳（メタデータ） (2025-06-24T13:31:44Z) - ScienceBoard: Evaluating Multimodal Autonomous Agents in Realistic Scientific Workflows [82.07367406991678]
大規模言語モデル(LLM)は自然言語処理を超えてその影響を拡大している。
これらのうち、コンピュータ利用エージェントは、人間がしているようにオペレーティングシステムと対話することができる。
我々はScienceBoardを紹介し、ダイナミックで視覚的にリッチな科学ソフトウェアを特徴とする現実的でマルチドメイン環境を包含する。
論文 参考訳（メタデータ） (2025-05-26T12:27:27Z) - From Automation to Autonomy: A Survey on Large Language Models in Scientific Discovery [67.07598263346591]
大規模言語モデル(LLM)は科学的発見のパラダイムシフトを触媒している。
この調査は、この急成長する分野を体系的に分析し、科学におけるLLMの役割の変化とエスカレーション能力に重点を置いている。
論文 参考訳（メタデータ） (2025-05-19T15:41:32Z) - SciSciGPT: Advancing Human-AI Collaboration in the Science of Science [7.592219145267612]
大規模言語モデル(LLM)とAIエージェントの最近の進歩は、人間とAIのコラボレーションに新たな可能性をもたらしている。
我々はSciSciGPTを紹介した。SciSciGPTはオープンソースのプロトタイプAIコラボレータで、科学の科学をテストベッドとして利用し、LLMを利用した研究ツールの可能性を探る。
論文 参考訳（メタデータ） (2025-04-07T23:19:39Z) - Scaling Laws in Scientific Discovery with AI and Robot Scientists [72.3420699173245]
自律的なジェネラリスト科学者(AGS)の概念は、エージェントAIとエンボディロボットを組み合わせて、研究ライフサイクル全体を自動化している。
AGSは科学的発見に必要な時間と資源を大幅に削減することを目指している。
これらの自律的なシステムが研究プロセスにますます統合されるにつれて、科学的な発見が新しいスケーリング法則に従うかもしれないという仮説を立てる。
論文 参考訳（メタデータ） (2025-03-28T14:00:27Z)
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。