論文の概要: Agentic AI for Multi-Stage Physics Experiments at a Large-Scale User Facility Particle Accelerator

• arxiv url: http://arxiv.org/abs/2509.17255v1
• Date: Sun, 21 Sep 2025 22:11:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-23 18:58:16.186912
• Title: Agentic AI for Multi-Stage Physics Experiments at a Large-Scale User Facility Particle Accelerator
• Title（参考訳）: 大規模ユーザ施設粒子加速器における多段階物理実験のためのエージェントAI
• Authors: Thorsten Hellert, Drew Bertwistle, Simon C. Leemann, Antonin Sulc, Marco Venturini,
• Abstract要約: Advanced Light Sourceの粒子加速器で実装されたこのシステムは、自然言語のユーザプロンプトを構造化された実行計画に変換する。 機械物理の代表的な課題として,手作業によるスクリプティングと比較して,準備時間が2桁短縮されたことを示す。 その結果、エージェントAIを加速器実験に安全に統合するための青写真が確立され、機械物理学の研究が要求される。
• 参考スコア（独自算出の注目度）: 0.26097841018267615
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present the first language-model-driven agentic artificial intelligence (AI) system to autonomously execute multi-stage physics experiments on a production synchrotron light source. Implemented at the Advanced Light Source particle accelerator, the system translates natural language user prompts into structured execution plans that combine archive data retrieval, control-system channel resolution, automated script generation, controlled machine interaction, and analysis. In a representative machine physics task, we show that preparation time was reduced by two orders of magnitude relative to manual scripting even for a system expert, while operator-standard safety constraints were strictly upheld. Core architectural features, plan-first orchestration, bounded tool access, and dynamic capability selection, enable transparent, auditable execution with fully reproducible artifacts. These results establish a blueprint for the safe integration of agentic AI into accelerator experiments and demanding machine physics studies, as well as routine operations, with direct portability across accelerators worldwide and, more broadly, to other large-scale scientific infrastructures.
• Abstract（参考訳）: 本稿では,多段階物理実験を生産用シンクロトロン光源上で自律的に行うための,言語モデル駆動型エージェント人工知能(AI)システムを提案する。 Advanced Light Sourceの粒子加速器で実装されたこのシステムは、自然言語利用者のプロンプトを構造化された実行計画に変換し、アーカイブデータ検索、制御系チャネルの解像度、自動スクリプト生成、制御されたマシンインタラクション、分析を組み合わせる。 機械物理の代表的な課題として,システムの専門家であっても,手作業によるスクリプティングに比べて準備時間が2桁短縮され,操作者基準の安全制約は厳格に守られた。 コアアーキテクチャ機能、プランファーストオーケストレーション、バウンドツールアクセス、動的機能選択は、完全に再現可能なアーティファクトで透過的で監査可能な実行を可能にする。 これらの結果は、エージェントAIを加速器実験に安全に統合するための青写真を確立し、機械物理学の研究と定期的な操作を要求し、世界中の加速器を直接移植し、より広い範囲で他の大規模科学インフラに移植する。

関連論文リスト

• Toward a Fully Autonomous, AI-Native Particle Accelerator [0.342658286826597]
  我々は,人工知能(AI)の共同設計を通じて,将来的な施設を設計することを提案する。 AIを人間中心のシステムに適合させるのではなく、AIネイティブプラットフォームとしてゼロから設計された施設を想定します。 このロードマップは、AI駆動の設計と運用が前例のない科学的なアウトプットと信頼性を提供する未来に向けて、アクセラレーターコミュニティを導くことを目的としている。
  論文  参考訳（メタデータ） (2026-02-19T16:49:36Z)
• Towards Agentic Intelligence for Materials Science [73.4576385477731]
  この調査は、コーパスキュレーションからプレトレーニングから、シミュレーションと実験プラットフォームに面した目標条件付きエージェントまで、ユニークなパイプライン中心の視点を推し進める。 コミュニティをブリッジし、参照の共有フレームを確立するために、まず、AIと材料科学をまたいだ用語、評価、ワークフローの段階を整列する統合レンズを提示する。
  論文  参考訳（メタデータ） (2026-01-29T23:48:43Z)
• Toward Ultra-Long-Horizon Agentic Science: Cognitive Accumulation for Machine Learning Engineering [59.18634614089481]
  超長距離機械学習工学(MLE)を習得する自律エージェントML-Master 2.0を提案する。 文脈管理を認知的蓄積のプロセスとして考えることで、階層的認知キャッシング(HCC)を導入する。 HCCは、エージェントが短期的な実験戦略から即時実行を分離することを可能にする。 オープンAIのMLE-Benchを24時間予算で評価すると、ML-Master 2.0は56.44%の最先端のメダルを獲得した。
  論文  参考訳（メタデータ） (2026-01-15T13:52:04Z)
• Bohrium + SciMaster: Building the Infrastructure and Ecosystem for Agentic Science at Scale [82.20980951765891]
  エージェントサイエンスのスケーリングにはインフラストラクチャ・アンド・エコシステムアプローチが必要である,と我々は主張する。 BohriumはAI4S資産のマネージドでトレース可能なハブとして機能し、多様な科学データ、ソフトウェア、計算、実験室のシステムをエージェント対応の能力に変換する。 SciMasterはこれらの機能を長い水平科学に編成し、科学エージェントを合成して実行することができる。
  論文  参考訳（メタデータ） (2025-12-23T16:04:41Z)
• An Agentic Framework for Autonomous Materials Computation [70.24472585135929]
  大規模言語モデル(LLM)は、科学的発見を加速するための強力なツールとして登場した。 近年の進歩はLLMをエージェントフレームワークに統合し、複雑な科学実験のための検索、推論、ツールの使用を可能にしている。 本稿では,第一原理計算の信頼性向上を目的としたドメイン特化エージェントを提案する。
  論文  参考訳（メタデータ） (2025-12-22T15:03:57Z)
• AI4X Roadmap: Artificial Intelligence for the advancement of scientific pursuit and its future directions [65.44445343399126]
  我々は、生物学、化学、気候科学、数学、材料科学、物理学、自動運転研究所、非伝統的コンピューティングにまたがるAI可能な科学を考察する。 多様な信頼性のあるデータの必要性、伝達可能な電子構造と原子間モデル、AIシステムがエンドツーエンドの科学合成に統合される。 ドメイン全体にわたって、大規模な基礎モデル、アクティブラーニング、自動運転車研究所が、予測と検証の間のループを閉じる方法について強調する。
  論文  参考訳（メタデータ） (2025-11-26T02:10:28Z)
• AutoLabs: Cognitive Multi-Agent Systems with Self-Correction for Autonomous Chemical Experimentation [0.10999592665107412]
  AutoLabsは、自然言語命令を自動で実行可能なプロトコルに変換するように設計された、自己修正型マルチエージェントアーキテクチャである。 複雑化に関する5つのベンチマーク実験を特徴とする総合評価フレームワークを提案する。 以上の結果から,エージェント推論能力が成功の最も重要な要因であることが示唆された。
  論文  参考訳（メタデータ） (2025-09-30T01:51:46Z)
• An AI-Driven Thermal-Fluid Testbed for Advanced Small Modular Reactors: Integration of Digital Twin and Large Language Models [4.30384648708148]
  本稿では,小型モジュールリアクタ技術の進歩を目的とした多目的人工知能(AI)駆動型熱流体テストベッドを提案する。 このプラットフォームは、多用途の3ループ熱流体施設と、リアルタイム予測、制御、運用支援のための高忠実なデジタルツインと高度なAIフレームワークを組み合わせる。
  論文  参考訳（メタデータ） (2025-07-08T21:07:30Z)
• An LLM-enabled Multi-Agent Autonomous Mechatronics Design Framework [49.633199780510864]
  本研究は, 機械設計, 最適化, エレクトロニクス, ソフトウェア工学の専門知識を統合した多エージェント自律メカトロニクス設計フレームワークを提案する。 このフレームワークは、言語駆動のワークフローを通じて運用され、構造化された人間のフィードバックを組み込んで、現実世界の制約下での堅牢なパフォーマンスを保証する。 完全に機能する自律型容器は、最適化された推進、コスト効率の高い電子機器、高度な制御を備えていた。
  論文  参考訳（メタデータ） (2025-04-20T16:57:45Z)
• Towards Agentic AI on Particle Accelerators [0.26097841018267615]
  本稿では,大規模言語モデル(LLM)を用いたアクセラレータ制御のための分散マルチエージェントフレームワークを構想する。 本稿では,知的エージェントがハイレベルなタスクやコミュニケーションを処理し,各エージェントが個別のアクセラレーターコンポーネントを制御できる自己改善型分散システムを提案する。
  論文  参考訳（メタデータ） (2024-09-10T08:47:23Z)
• CIRCUS: an autonomous control system for antimatter, atomic and quantum physics experiments [0.9134900265428982]
  CIRCUSは、時間クリティカルな実験のために最適化された自律制御システムである。 厳密な同期性要件に適合し、実験の繰り返し可能な自動操作に適している。 実験に依存しず、オープンソースとしてリリースされている他の実験は、その能力を活用することができる。
  論文  参考訳（メタデータ） (2024-02-07T07:46:42Z)
• TLControl: Trajectory and Language Control for Human Motion Synthesis [68.09806223962323]
  本稿では,人間のリアルな動き合成のための新しい手法であるTLControlを提案する。 低レベルのTrajectoryと高レベルのLanguage semanticsコントロールが組み込まれている。 インタラクティブで高品質なアニメーション生成には実用的である。
  論文  参考訳（メタデータ） (2023-11-28T18:54:16Z)
• A Comprehensive Performance Study of Large Language Models on Novel AI Accelerators [2.88634411143577]
  大規模言語モデル(LLM)は、いくつかの課題に対処するための有望なアプローチと考えられている。 専門のAIアクセラレータハードウェアシステムは、最近、AIアプリケーションの高速化に利用できるようになった。
  論文  参考訳（メタデータ） (2023-10-06T21:55:57Z)
• Active Predicting Coding: Brain-Inspired Reinforcement Learning for Sparse Reward Robotic Control Problems [79.07468367923619]
  ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。 我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。 提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-19T16:49:32Z)
• Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate Model Predictive Trajectory Tracking [76.27433308688592]
  クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。 本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。 提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
  論文  参考訳（メタデータ） (2022-06-07T13:51:35Z)
• PlasticineLab: A Soft-Body Manipulation Benchmark with Differentiable Physics [89.81550748680245]
  PasticineLabと呼ばれる新しい微分可能な物理ベンチマークを導入する。 各タスクにおいて、エージェントはマニピュレータを使用して、プラスチックを所望の構成に変形させる。 本稿では,既存の強化学習(RL)手法と勾配に基づく手法について評価する。
  論文  参考訳（メタデータ） (2021-04-07T17:59:23Z)
• Integrated Benchmarking and Design for Reproducible and Accessible Evaluation of Robotic Agents [61.36681529571202]
  本稿では,開発とベンチマークを統合した再現性ロボット研究の新しい概念について述べる。 このセットアップの中心的なコンポーネントの1つはDuckietown Autolabであり、これは比較的低コストで再現可能な標準化されたセットアップである。 本研究では,インフラを用いて実施した実験の再現性を解析し,ロボットのハードウェアや遠隔実験室間でのばらつきが低いことを示す。
  論文  参考訳（メタデータ） (2020-09-09T15:31:29Z)

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。