論文の概要: Foundation Models for Scientific Discovery: From Paradigm Enhancement to Paradigm Transition

• arxiv url: http://arxiv.org/abs/2510.15280v1
• Date: Fri, 17 Oct 2025 03:40:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-20 20:17:34.458081
• Title: Foundation Models for Scientific Discovery: From Paradigm Enhancement to Paradigm Transition
• Title（参考訳）: 科学的発見のための基礎モデル:パラダイム・エンハンスメントからパラダイム・トランジションへ
• Authors: Fan Liu, Jindong Han, Tengfei Lyu, Weijia Zhang, Zhe-Rui Yang, Lu Dai, Cancheng Liu, Hao Liu,
• Abstract要約: 基礎モデル(FM)は科学研究の風景を変えつつある。 FMは単に既存の科学的方法論を強化しているだけなのか、それとも科学の実施方法を再定義しているのだろうか? 本稿では,FMが新たな科学パラダイムへの移行を触媒していることを論じる。
• 参考スコア（独自算出の注目度）: 21.059314546394
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Foundation models (FMs), such as GPT-4 and AlphaFold, are reshaping the landscape of scientific research. Beyond accelerating tasks such as hypothesis generation, experimental design, and result interpretation, they prompt a more fundamental question: Are FMs merely enhancing existing scientific methodologies, or are they redefining the way science is conducted? In this paper, we argue that FMs are catalyzing a transition toward a new scientific paradigm. We introduce a three-stage framework to describe this evolution: (1) Meta-Scientific Integration, where FMs enhance workflows within traditional paradigms; (2) Hybrid Human-AI Co-Creation, where FMs become active collaborators in problem formulation, reasoning, and discovery; and (3) Autonomous Scientific Discovery, where FMs operate as independent agents capable of generating new scientific knowledge with minimal human intervention. Through this lens, we review current applications and emerging capabilities of FMs across existing scientific paradigms. We further identify risks and future directions for FM-enabled scientific discovery. This position paper aims to support the scientific community in understanding the transformative role of FMs and to foster reflection on the future of scientific discovery. Our project is available at https://github.com/usail-hkust/Awesome-Foundation-Models-for-Scientific-Discovery.
• Abstract（参考訳）: GPT-4やAlphaFoldのような基礎モデル(FM)は、科学研究の展望を変えつつある。 FMは既存の科学的方法論を単に強化しているだけなのか、それとも科学の実施方法を再定義しているのか? 本稿では,FMが新たな科学パラダイムへと移行しつつあることを論じる。 1) FMが従来のパラダイム内のワークフローを強化するメタサイエンティフィック統合,(2) FMが問題定式化,推論,発見において活発に協力するハイブリッドヒューマンAIコクリエーション,(3) FMが人間の介入を最小限に抑えて新たな科学的知識を創出できる独立したエージェントとして機能する自律科学的発見。 このレンズを通して、既存の科学パラダイムにまたがるFMの応用と新たな能力についてレビューする。 FMによる科学的発見のリスクと今後の方向性をさらに特定する。 本論文は,FMの変容的役割を理解するための科学コミュニティの支援と,科学的発見の将来に対する考察を促進することを目的としている。 私たちのプロジェクトはhttps://github.com/usail-hkust/Awesome-Foundation-Models-for-Scientific-Discoveryで公開されています。

関連論文リスト

• Autonomous Agents for Scientific Discovery: Orchestrating Scientists, Language, Code, and Physics [82.55776608452017]
  大規模言語モデル(LLM)は、人間の科学者、自然言語、コンピュータ言語とコード、物理学との相互作用を編成する柔軟性と汎用性を備えたフレームワークを提供する。 本稿では, LLMを基盤とした科学エージェントの展望と展望と, 科学発見のライフサイクルを変革する上でのその役割について述べる。 オープンな研究課題を特定し、より堅牢で汎用的で適応的な科学エージェントを構築するための有望な方向性を概説する。
  論文  参考訳（メタデータ） (2025-10-10T22:26:26Z)
• The Evolving Role of Large Language Models in Scientific Innovation: Evaluator, Collaborator, and Scientist [3.7803247326675162]
  科学革新は、LLM(Large Language Models)の急速な進歩によって、パラダイムシフトが進んでいる。 本調査では,3つの階層レベル – 評価,コラボレーション,科学者 – にまたがる科学革新におけるLLMの役割を,包括的に分類する枠組みを提案する。
  論文  参考訳（メタデータ） (2025-07-16T00:11:01Z)
• Advancing the Scientific Method with Large Language Models: From Hypothesis to Discovery [35.888956949646]
  大規模言語モデル (LLM) は科学的方法を変えて科学的研究を変革している。 LLMは、特に化学や生物学において、実験的な設計、データ分析、生産性の向上に関与している。 AI駆動科学への移行は、創造性、監視、責任に関する倫理的な疑問を提起する。
  論文  参考訳（メタデータ） (2025-05-22T10:05:48Z)
• 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)
• Many Heads Are Better Than One: Improved Scientific Idea Generation by A LLM-Based Multi-Agent System [62.832818186789545]
  Virtual Scientists (VirSci) は、科学研究に固有のチームワークを模倣するために設計されたマルチエージェントシステムである。 VirSciは研究のアイデアを共同で生成し、評価し、洗練するエージェントのチームを組織している。 このマルチエージェントアプローチは、新しい科学的アイデアを生み出す上で、最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-10-12T07:16:22Z)
• Understanding Foundation Models: Are We Back in 1924? [2.613751482407464]
  本稿では,AIにおけるファンデーションモデル(FM)の急速な発展とそのインテリジェンスと推論への応用について考察する。 FMの特徴について検討し、膨大なデータセットのトレーニングや、セマンティックな関係を捉えるための埋め込み空間の利用を含む。 また、FMのベンチマークの課題にも対処し、その構造を人間の脳と比較する。
  論文  参考訳（メタデータ） (2024-09-11T20:59:27Z)
• Progress and Opportunities of Foundation Models in Bioinformatics [77.74411726471439]
  基礎モデル(FM)は、特に深層学習の領域において、計算生物学の新しい時代に定着した。 我々の焦点は、特定の生物学的問題にFMを応用することであり、研究ニーズに適切なFMを選択するために研究コミュニティを指導することを目的としています。 データノイズ、モデル説明可能性、潜在的なバイアスなど、生物学においてFMが直面する課題と限界を分析します。
  論文  参考訳（メタデータ） (2024-02-06T02:29:17Z)

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。