論文の概要: AutoClimDS: Climate Data Science Agentic AI -- A Knowledge Graph is All You Need
- arxiv url: http://arxiv.org/abs/2509.21553v1
- Date: Thu, 25 Sep 2025 20:38:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-29 20:57:53.993794
- Title: AutoClimDS: Climate Data Science Agentic AI -- A Knowledge Graph is All You Need
- Title（参考訳）: AutoClimDS: 気候データサイエンスエージェントAI
- Authors: Ahmed Jaber, Wangshu Zhu, Karthick Jayavelu, Justin Downes, Sameer Mohamed, Candace Agonafir, Linnia Hawkins, Tian Zheng,
- Abstract要約: 気候データ科学は、データソースの断片化された性質、異質なフォーマット、データセットを特定し、取得し、処理するために必要な急激な技術的専門知識から生じる永続的な障壁に直面している。
クラウドネイティブな科学研究のために設計されたAIエージェントと、キュレートされた知識グラフ(KG)を統合することで、これらの障壁に対処するための概念実証を行う。
- 参考スコア（独自算出の注目度）: 1.1639172596200853
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Climate data science faces persistent barriers stemming from the fragmented nature of data sources, heterogeneous formats, and the steep technical expertise required to identify, acquire, and process datasets. These challenges limit participation, slow discovery, and reduce the reproducibility of scientific workflows. In this paper, we present a proof of concept for addressing these barriers through the integration of a curated knowledge graph (KG) with AI agents designed for cloud-native scientific workflows. The KG provides a unifying layer that organizes datasets, tools, and workflows, while AI agents -- powered by generative AI services -- enable natural language interaction, automated data access, and streamlined analysis. Together, these components drastically lower the technical threshold for engaging in climate data science, enabling non-specialist users to identify and analyze relevant datasets. By leveraging existing cloud-ready API data portals, we demonstrate that "a knowledge graph is all you need" to unlock scalable and agentic workflows for scientific inquiry. The open-source design of our system further supports community contributions, ensuring that the KG and associated tools can evolve as a shared commons. Our results illustrate a pathway toward democratizing access to climate data and establishing a reproducible, extensible framework for human--AI collaboration in scientific research.
- Abstract（参考訳）: 気候データ科学は、データソースの断片化された性質、異質なフォーマット、データセットを特定し、取得し、処理するのに必要とされる急激な技術的専門知識から生じる永続的な障壁に直面している。
これらの課題は参加を制限し、発見を遅くし、科学的ワークフローの再現性を低下させる。
本稿では、クラウドネイティブな科学ワークフロー用に設計されたAIエージェントと、キュレートされた知識グラフ(KG)を統合することで、これらの障壁に対処するための概念実証を行う。
KGはデータセット、ツール、ワークフローを整理する統一レイヤを提供し、生成AIサービスを活用したAIエージェントは、自然言語インタラクション、自動データアクセス、合理化分析を可能にする。
これらのコンポーネントは、気候データサイエンスに関わる技術的しきい値を大幅に下げ、非専門的なユーザが関連するデータセットを識別し分析することを可能にする。
既存のクラウド対応のAPIデータポータルを活用することで、科学的調査のためにスケーラブルでエージェント的なワークフローをアンロックする"知識グラフがすべて必要なのです。
我々のシステムのオープンソース設計は、コミュニティのコントリビューションをさらに支援し、KGと関連ツールが共有コモンズとして進化できるようにします。
この結果は,気候データへのアクセスを民主化し,科学的研究における人間-AI協力のための再現可能な拡張可能な枠組みを確立するための道筋を示す。
関連論文リスト
- Autonomous Data Agents: A New Opportunity for Smart Data [51.530320431847834]
DataAgentsは、自律的なデータから知識システムへのパラダイムシフトを表している、とReportは主張する。
DataAgentsは、複雑で非構造化されたデータをコヒーレントで行動可能な知識に変換する。
エージェントAIとデータ・トゥ・ナレッジシステムの収束が重要なトレンドとなっている理由を最初に検討する。
論文 参考訳（メタデータ） (2025-09-23T06:46:41Z) - A Survey of Scientific Large Language Models: From Data Foundations to Agent Frontiers [221.34650992288505]
科学大規模言語モデル(Sci-LLMs)は、科学研究において、知識の表現、統合、適用の方法を変えつつある。
この調査は、モデルとその基盤となるデータ基板の共進化として、Sci-LLMの開発を再考する。
我々は、科学的データの統一された分類法と、科学的知識の階層的なモデルを定式化する。
論文 参考訳（メタデータ） (2025-08-28T18:30:52Z) - Research Knowledge Graphs in NFDI4DataScience: Key Activities, Achievements, and Future Directions [4.258678191793365]
NFDI4DataScienceがResearch Knowledge Graphs(RKG)を開発し提供
RKGは複雑なデータセット、モデル、ソフトウェア、科学出版物をキャプチャして接続することを目的としている。
論文 参考訳（メタデータ） (2025-08-04T11:11:51Z) - Graphs Meet AI Agents: Taxonomy, Progress, and Future Opportunities [117.49715661395294]
データ構造化は、複雑で非組織的なデータをよく構造化された形式に変換することで、有望な役割を果たす。
この調査では、グラフがAIエージェントにどのように権限を与えるかを、初めて体系的にレビューする。
論文 参考訳（メタデータ） (2025-06-22T12:59:12Z) - A GenAI System for Improved FAIR Independent Biological Database Integration [0.0]
実験的な自然言語に基づくクエリ処理システムを導入し,生物学データベースの発見,アクセス,クエリを可能にする。
FAIRBridgeは、クエリインテントを解釈し、関連するデータベースにマップし、実行可能なクエリを生成するAIの機能を活用する。
このシステムには、低品質のクエリ処理を緩和し、提供された情報の忠実度と応答性を確保するための堅牢なツールも含まれている。
論文 参考訳（メタデータ） (2025-06-22T08:04:24Z) - Capturing and Anticipating User Intents in Data Analytics via Knowledge Graphs [0.061446808540639365]
この研究は、人間中心の複雑な分析を捉えるための基本的なフレームワークとして、知識グラフ(KG)の使用について検討する。
生成されたKGに格納されたデータは、これらのシステムと対話するユーザーに補助(例えばレコメンデーション)を提供するために利用される。
論文 参考訳（メタデータ） (2024-11-01T20:45:23Z) - DISCOVER: A Data-driven Interactive System for Comprehensive Observation, Visualization, and ExploRation of Human Behaviour [6.716560115378451]
我々は,人間行動分析のための計算駆動型データ探索を効率化するために,モジュール型でフレキシブルでユーザフレンドリなソフトウェアフレームワークを導入する。
我々の主な目的は、高度な計算方法論へのアクセスを民主化することであり、これにより研究者は、広範囲の技術的熟練を必要とせずに、詳細な行動分析を行うことができる。
論文 参考訳（メタデータ） (2024-07-18T11:28:52Z) - Mining Implicit Entity Preference from User-Item Interaction Data for
Knowledge Graph Completion via Adversarial Learning [82.46332224556257]
本稿では,知識グラフ補完タスクにおけるユーザインタラクションデータを活用することで,新たな逆学習手法を提案する。
我々のジェネレータはユーザインタラクションデータから分離されており、識別器の性能を向上させるのに役立ちます。
利用者の暗黙の実体的嗜好を発見するために,グラフニューラルネットワークに基づく精巧な協調学習アルゴリズムを設計する。
論文 参考訳（メタデータ） (2020-03-28T05:47:33Z)
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。