論文の概要: Hypothesis Hunting with Evolving Networks of Autonomous Scientific Agents

• arxiv url: http://arxiv.org/abs/2510.08619v1
• Date: Wed, 08 Oct 2025 08:47:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 00:38:47.207913
• Title: Hypothesis Hunting with Evolving Networks of Autonomous Scientific Agents
• Title（参考訳）: 自律科学エージェントの進化ネットワークを用いた仮説ハンティング
• Authors: Tennison Liu, Silas Ruhrberg Estévez, David L. Bentley, Mihaela van der Schaar,
• Abstract要約: この過程を仮説探索と呼び、膨大な複雑な仮説空間を横断する持続的な探索を通して洞察を累積的に探索する。 本稿では、エージェント、ネットワーク、評価規範の相互作用としてフレームワークモデリングディスカバリであるAScienceを紹介し、ASCollabとして実装する。 実験により、このような社会的ダイナミクスは、多様性-品質-ノーベルティフロンティアに沿った専門家評価結果の蓄積を可能にすることが示された。
• 参考スコア（独自算出の注目度）: 52.50038914857797
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large-scale scientific datasets -- spanning health biobanks, cell atlases, Earth reanalyses, and more -- create opportunities for exploratory discovery unconstrained by specific research questions. We term this process hypothesis hunting: the cumulative search for insight through sustained exploration across vast and complex hypothesis spaces. To support it, we introduce AScience, a framework modeling discovery as the interaction of agents, networks, and evaluation norms, and implement it as ASCollab, a distributed system of LLM-based research agents with heterogeneous behaviors. These agents self-organize into evolving networks, continually producing and peer-reviewing findings under shared standards of evaluation. Experiments show that such social dynamics enable the accumulation of expert-rated results along the diversity-quality-novelty frontier, including rediscoveries of established biomarkers, extensions of known pathways, and proposals of new therapeutic targets. While wet-lab validation remains indispensable, our experiments on cancer cohorts demonstrate that socially structured, agentic networks can sustain exploratory hypothesis hunting at scale.
• Abstract（参考訳）: 大規模な科学データセット(バイオバンク、細胞アトラス、地球の再分析など)は、特定の研究課題に縛られない探索的な発見の機会を生み出している。 この過程を仮説探索と呼び、膨大な複雑な仮説空間を横断する持続的な探索を通して洞察を累積的に探索する。 これをサポートするために,エージェント,ネットワーク,評価規範の相互作用としてフレームワークモデリングディスカバリであるAScienceを導入し,不均一な振る舞いを持つLLMベースの研究エージェントの分散システムであるASCollabとして実装する。 これらのエージェントは進化するネットワークに自己組織化され、共通の評価基準の下で継続的に発見され、ピアレビューされる。 実験により、そのような社会的ダイナミクスは、確立されたバイオマーカーの再発見、既知の経路の拡張、新しい治療対象の提案を含む、多様性-品質-ノーベルティフロンティアに沿った専門家評価結果の蓄積を可能にすることが示された。 ウェットラブの検証は依然として不可欠であるが、我々のがんコホート実験は、社会的に構造化されたエージェントネットワークが大規模な探索的仮説ハンティングを維持できることを示した。

関連論文リスト

• Operationalizing Serendipity: Multi-Agent AI Workflows for Enhanced Materials Characterization with Theory-in-the-Loop [0.0]
  SciLinkは、材料研究におけるセレンディピティーを運用するために設計された、オープンソースのマルチエージェント人工知能フレームワークである。 実験観察、新規性評価、理論シミュレーションの直接的な自動リンクを生成する。 本稿では,原子分解能およびハイパースペクトルデータへの応用,リアルタイムな人間専門家指導の統合能力,研究ループを閉じる能力について述べる。
  論文  参考訳（メタデータ） (2025-08-07T04:59:17Z)
• ResearchBench: Benchmarking LLMs in Scientific Discovery via Inspiration-Based Task Decomposition [67.26124739345332]
  大規模言語モデル(LLM)は科学的研究を支援する可能性を示しているが、高品質な研究仮説を発見する能力はいまだ検討されていない。 我々は,LLMを科学的発見のサブタスクのほぼ十分セットで評価するための,最初の大規模ベンチマークを紹介する。 学術論文から重要コンポーネント(研究質問、背景調査、インスピレーション、仮説)を抽出する自動フレームワークを開発する。
  論文  参考訳（メタデータ） (2025-03-27T08:09:15Z)
• Causal Representation Learning from Multimodal Biomedical Observations [57.00712157758845]
  バイオメディカルデータセットの理解を容易にするために,マルチモーダルデータに対するフレキシブルな識別条件と原理的手法を開発した。 主要な理論的貢献は、モジュラリティ間の因果関係の構造的空間性である。 実世界のヒト表現型データセットの結果は、確立された生物医学研究と一致している。
  論文  参考訳（メタデータ） (2024-11-10T16:40:27Z)
• Large Language Models as Biomedical Hypothesis Generators: A Comprehensive Evaluation [15.495976478018264]
  大規模言語モデル(LLM)は、知識相互作用に革命をもたらす有望なツールとして登場した。 バイオメディカル文献から背景と仮説のペアのデータセットを構築し、トレーニング、観察、および見えないテストセットに分割する。 最上位モデルの仮説生成能力を、ゼロショット、少数ショット、微調整設定で評価する。
  論文  参考訳（メタデータ） (2024-07-12T02:55:13Z)
• Literature-based Discovery for Landscape Planning [1.1939762265857434]
  本研究は, ランドスケープと都市計画者のための新しい研究角度を導出するために, 医療用コーパスの仮説生成をいかに活用できるかを実証する。 AGATHAは、新興感染症(EID)と森林破壊の潜在的な概念的関係を明らかにするために用いられた。 この研究は、医学データベース仮説の生成を医学隣接仮説発見に適用するための部分的な概念実証としても機能する。
  論文  参考訳（メタデータ） (2023-06-05T04:32:46Z)
• GeneDisco: A Benchmark for Experimental Design in Drug Discovery [41.6425999218259]
  遺伝子操作によるin vitro細胞実験は、早期の薬物発見における重要なステップである。 GeneDiscoは、薬物発見の実験的な設計のためのアクティブな学習アルゴリズムを評価するためのベンチマークスイートである。
  論文  参考訳（メタデータ） (2021-10-22T16:01:39Z)

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。