論文の概要: Kosmos: An AI Scientist for Autonomous Discovery
- arxiv url: http://arxiv.org/abs/2511.02824v2
- Date: Wed, 05 Nov 2025 18:26:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-06 13:56:26.202798
- Title: Kosmos: An AI Scientist for Autonomous Discovery
- Title（参考訳）: Kosmos: 自律的な発見のためのAI科学者
- Abstract要約: データ駆動ディスカバリを自動化するAI科学者のKosmosを紹介します。
Kosmosは、最大12時間、並列データ分析、文献検索、仮説生成のサイクルを実行する。
我々は、代謝学、材料科学、神経科学、統計遺伝学にまたがるコスモスによる7つの発見に注目した。
- 参考スコア（独自算出の注目度）: 8.209755710527356
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Data-driven scientific discovery requires iterative cycles of literature search, hypothesis generation, and data analysis. Substantial progress has been made towards AI agents that can automate scientific research, but all such agents remain limited in the number of actions they can take before losing coherence, thus limiting the depth of their findings. Here we present Kosmos, an AI scientist that automates data-driven discovery. Given an open-ended objective and a dataset, Kosmos runs for up to 12 hours performing cycles of parallel data analysis, literature search, and hypothesis generation before synthesizing discoveries into scientific reports. Unlike prior systems, Kosmos uses a structured world model to share information between a data analysis agent and a literature search agent. The world model enables Kosmos to coherently pursue the specified objective over 200 agent rollouts, collectively executing an average of 42,000 lines of code and reading 1,500 papers per run. Kosmos cites all statements in its reports with code or primary literature, ensuring its reasoning is traceable. Independent scientists found 79.4% of statements in Kosmos reports to be accurate, and collaborators reported that a single 20-cycle Kosmos run performed the equivalent of 6 months of their own research time on average. Furthermore, collaborators reported that the number of valuable scientific findings generated scales linearly with Kosmos cycles (tested up to 20 cycles). We highlight seven discoveries made by Kosmos that span metabolomics, materials science, neuroscience, and statistical genetics. Three discoveries independently reproduce findings from preprinted or unpublished manuscripts that were not accessed by Kosmos at runtime, while four make novel contributions to the scientific literature.
- Abstract（参考訳）: データ駆動型科学的発見は、文献検索、仮説生成、データ分析の反復サイクルを必要とする。
科学研究を自動化できるAIエージェントへの実質的な進歩は行われているが、これらのエージェントはコヒーレンスを失う前に取ることができるアクションの数に制限されているため、発見の深さは制限されている。
ここでは、データ駆動ディスカバリを自動化するAI科学者のKosmosを紹介する。
オープンな目標とデータセットを与えられたKosmosは、科学的レポートに発見を合成する前に、並列データ分析、文献検索、仮説生成のサイクルを最大12時間実行している。
従来のシステムとは異なり、Kosmosは構造化世界モデルを使用して、データ分析エージェントと文献検索エージェントの間で情報を共有する。
ワールドモデルは、Cosmosが200以上のエージェントのロールアウトをコヒーレントに追跡し、平均42,000行のコードを実行し、1ランあたり1,500の論文を読むことを可能にする。
Kosmos氏は、そのレポートのすべてのステートメントをコードまたは一次文献で引用し、その推論が追跡可能であることを保証している。
独立系科学者はコスモスの報告の79.4%が正確であることを発見し、共同研究者は1回の20サイクルのコスモスランが平均して6ヶ月の独自の研究時間を実行したと報告した。
さらに、共同研究者は、貴重な科学的発見の数がコスモスサイクル(最大20サイクル)と線形にスケールしたことを報告した。
我々は、代謝学、材料科学、神経科学、統計遺伝学にまたがるコスモスによる7つの発見に注目した。
3つの発見は、コスモスが実行時にアクセスしなかった未印刷または未出版の写本からの発見を独立に再現し、4つの発見が科学文献に新しい貢献をしている。
関連論文リスト
- Can LLMs Discover Scientific Laws in Real and Parallel Worlds? [58.76147897928744]
SCILAWS-BENCHは、公表された研究と実際の科学データから構築された科学法発見のためのベンチマークである。
381の科学論文から118の問題を抽出し、291の法則と6つの科学分野にわたる800万の実際のデータポイントをカバーしている。
予測適合性は、科学的妥当性から分岐し、モデルが公表された公式を再現するか、移動するかを記憶する形に変化し、我々のベスト・オブ・N研究は選択ボトルネックを明らかにした。
論文 参考訳（メタデータ） (2026-09-01T17:17:59Z) - OmniScientist: An Omni-Modal Omni-Discipline AI Scientist [39.38448883079899]
私たちはOmniScientistを紹介します。OmniScientistはエンド・ツー・エンド、オムニ・モーダルなAI科学者で、生の証拠から直接研究を行います。
認識層と、アイデア、実験、書き込みのための3つの自律エージェントは、決定論的パイプライン内で動作する。
我々はOmniScientistを5つの専門科、科学的証拠の4つの科、画像、信号、音声、ビデオ、三次元構造、軌道、表、公式、グラフを含む36の実データケースで評価した。
論文 参考訳（メタデータ） (2026-08-13T17:59:52Z) - Towards a new paradigm of scientific discovery with socialized artificial intelligence [48.48034861871986]
本稿では,社会化科学知能のパラダイムであるBLAZE(Bridging Literature, Agents, and Zero-gap Experimentation)を紹介する。
BLAZEは、AIは独立した研究タスクのアシスタントではなく、科学的発見のための組織的な基盤だと考えている。
その目的は、人間の発見を置き換えるのではなく、集団的な科学的調査の規模、深さ、継続性を拡張することである。
論文 参考訳（メタデータ） (2026-08-03T18:18:39Z) - An Autonomous Scientific Knowledge Generation Framework for AI-Driven Scientific Discovery [0.0]
我々は、科学出版物を統一AI対応科学知識基盤に変換する自律的科学知識生成フレームワークを提案する。
このフレームワークは、文献の取得、ハイブリッドな科学知識抽出、意味調和、知識融合、検証を統合されたワークフローに統合する。
概念実証として、この枠組みは電気光学材料に適用された。
論文 参考訳（メタデータ） (2026-07-09T19:40:41Z) - SciResearcher: Scaling Deep Research Agents for Frontier Scientific Reasoning [54.194672921128785]
我々は、フロンティア科学データ構築のための完全に自動化されたエージェントフレームワークであるSciResearcherを紹介する。
SciResearcherは、学術的証拠に基づく様々な概念的および計算的なタスクを合成する。
我々は,HLE-Bio/Chem-Goldベンチマークで19.46%を達成できるエージェント基盤モデルであるSciResearcher-8Bを開発した。
論文 参考訳（メタデータ） (2026-05-02T15:26:45Z) - Embodied Science: Closing the Discovery Loop with Agentic Embodied AI [73.54118756665221]
我々は、科学的発見をクローズドループとして再編成し、エージェント推論と物理的実行を密結合するパラダイムであるエンボディド・サイエンスを論じる。
本研究では,実験環境の知覚,科学的知識の推論,身体的介入の実行,その後の探索を促進するための成果の内在化といった,統合された知覚・言語・行動発見(PLAD)フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-20T09:20:12Z) - PreScience: A Benchmark for Forecasting Scientific Contributions [32.63164451901248]
PreScienceは、研究プロセスを4つの相互依存的な生成タスクに分解する科学的予測ベンチマークである。
コントリビューション・コントリビューション・コントリビューション・コントリビューション・コントリビューション・コントリビューション・コントリビューション・コントリビューション・コントリビューション・コントリビューション・コントリビューションの新たな尺度であるLACERScoreを含む,各タスクのベースラインと評価を開発する。
結果として得られる合成コーパスは、同時代の人間による研究よりも体系的に多様性が低く、新規性も低い。
論文 参考訳（メタデータ） (2026-02-24T01:37:53Z) - PaperSearchQA: Learning to Search and Reason over Scientific Papers with RLVR [64.22412492998754]
我々は,1600万件のバイオメディカルペーパーを要約した検索コーパスを公開し,PaperSearchQAと呼ばれるファクトイックなQAデータセットを構築した。
我々は,この環境における検索エージェントを訓練し,非RL検索ベースラインを上回ります。
我々のデータ生成方法はスケーラブルで、他の科学領域にも容易に拡張できます。
論文 参考訳（メタデータ） (2026-01-26T06:46:16Z) - 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) - DeepScientist: Advancing Frontier-Pushing Scientific Findings Progressively [23.839869341008107]
DeepScientistは、科学的な発見を1ヶ月のタイムラインで行うように設計されたシステムだ。
このシステムは5,000のユニークな科学的アイデアを生み出し、その約1100を実験的に検証した。
この研究は、科学的タスクにおいて人間のSOTAを徐々に上回る発見を達成するためのAIの大規模な証拠として、初めてのものである。
論文 参考訳（メタデータ） (2025-09-30T17:49:32Z) - A Survey of Scientific Large Language Models: From Data Foundations to Agent Frontiers [251.23085679210206]
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) - Virtuous Machines: Towards Artificial General Science [0.0]
ドメインに依存しないエージェント型AIシステムが、科学的なワークフローを独立してナビゲートできることを示します。
このシステムは視覚的作業記憶、精神的な回転、イメージの鮮明さに関する3つの心理学的研究を自律的に設計し実行した。
論文 参考訳（メタデータ） (2025-08-19T00:35:56Z) - A Self-Evolving AI Agent System for Climate Science [59.08800209508371]
我々は,地球科学者のためのインタラクティブな"コパイロット"として設計された,初の自己進化型AIエージェントシステムであるEarthLinkを紹介する。
自然言語のインタラクションを通じて、EarthLinkは、計画、コード実行、データ分析、物理的推論を統合することで、研究ワークフロー全体を自動化します。
人のような学際的な分析能力と習熟度を示し、中核的な大規模気候タスクのエキスパート評価においてジュニア研究者に匹敵する能力を示す。
論文 参考訳（メタデータ） (2025-07-23T08:29:25Z) - The AI Cosmologist I: An Agentic System for Automated Data Analysis [0.0]
AIの宇宙論者は、アイデア生成から実験評価、研究普及までの完全なパイプラインを実装している。
従来の自動機械学習システムとは異なり、AI Cosmoologistは多様な実装戦略を生成する。
その結果, エージェントシステムは研究プロセスの一部を自動化し, 科学的発見を加速させる可能性が示唆された。
論文 参考訳（メタデータ） (2025-04-04T13:12:08Z) - Nature Language Model: Deciphering the Language of Nature for Scientific Discovery [105.55751854768297]
基礎モデルは自然言語処理と人工知能に革命をもたらした。
本研究では,科学発見のためのシーケンスベース科学基盤モデルであるNatureLMを紹介する。
論文 参考訳（メタデータ） (2025-02-11T13:08:03Z) - ArgSciChat: A Dataset for Argumentative Dialogues on Scientific Papers [61.772582143035606]
学術論文のドメインエキスパートとして科学者間の対話を収集する新しい枠組みを導入する。
我々のフレームワークは、科学者が論文を対話の根拠として提示し、論文のタイトルを気に入った対話に参加することを可能にする。
我々は、新しい議論的対話データセットArgSciChatの収集にフレームワークを使用し、41の対話から収集された498のメッセージを20の科学論文にまとめる。
論文 参考訳（メタデータ） (2022-02-14T13:27:19Z) - From Kepler to Newton: Explainable AI-based Paradigm for Science
Discovery [16.392568986688595]
我々は、科学発見のための説明可能なAIベースのパラダイムを導入する。
AIに基づく科学発見プロセスを示すために、ケプラーの惑星運動法則とニュートンの普遍重力法則が(説明可能な)AIによってどのように再発見されるかを示す。
論文 参考訳（メタデータ） (2021-11-24T00:45:27Z) - Fact or Fiction: Verifying Scientific Claims [53.29101835904273]
本稿では,研究文献から,REFUTESやREFUTESが与えられた科学的主張であることを示す証拠を含む抄録を抽出する新たな課題である,科学的クレーム検証を紹介する。
SciFactは、1.4Kの専門家による科学的主張と、ラベルや合理性に注釈を付けたエビデンスを含む抽象概念を組み合わせたデータセットである。
このシステムは,CORD-19コーパスの証拠を同定することにより,新型コロナウイルス関連クレームを検証可能であることを示す。
論文 参考訳（メタデータ） (2020-04-30T17:22:57Z)
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。