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
• Authors: Ludovico Mitchener, Angela Yiu, Benjamin Chang, Mathieu Bourdenx, Tyler Nadolski, Arvis Sulovari, Eric C. Landsness, Daniel L. Barabasi, Siddharth Narayanan, Nicky Evans, Shriya Reddy, Martha Foiani, Aizad Kamal, Leah P. Shriver, Fang Cao, Asmamaw T. Wassie, Jon M. Laurent, Edwin Melville-Green, Mayk Caldas, Albert Bou, Kaleigh F. Roberts, Sladjana Zagorac, Timothy C. Orr, Miranda E. Orr, Kevin J. Zwezdaryk, Ali E. Ghareeb, Laurie McCoy, Bruna Gomes, Euan A. Ashley, Karen E. Duff, Tonio Buonassisi, Tom Rainforth, Randall J. Bateman, Michael Skarlinski, Samuel G. Rodriques, Michaela M. Hinks, Andrew D. White,
• 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

• 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。