論文の概要: ATHENA: Agentic Team for Hierarchical Evolutionary Numerical Algorithms

• arxiv url: http://arxiv.org/abs/2512.03476v1
• Date: Wed, 03 Dec 2025 06:05:27 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-04 12:16:37.307493
• Title: ATHENA: Agentic Team for Hierarchical Evolutionary Numerical Algorithms
• Title（参考訳）: AtheNA:階層的進化的数値アルゴリズムのためのエージェントチーム
• Authors: Juan Diego Toscano, Daniel T. Chen, George Em Karniadakis,
• Abstract要約: AtheNAは、エンドツーエンドの計算研究ライフサイクルを管理するためにAutonomous Labとして設計されたエージェントフレームワークである。 その中核は知識駆動型診断プロセスであるHENAループである。 このフレームワークは超人的パフォーマンスを実現し、検証エラーは10～14ドルに達する。
• 参考スコア（独自算出の注目度）: 4.235429894371577
• License:
• Abstract: Bridging the gap between theoretical conceptualization and computational implementation is a major bottleneck in Scientific Computing (SciC) and Scientific Machine Learning (SciML). We introduce ATHENA (Agentic Team for Hierarchical Evolutionary Numerical Algorithms), an agentic framework designed as an Autonomous Lab to manage the end-to-end computational research lifecycle. Its core is the HENA loop, a knowledge-driven diagnostic process framed as a Contextual Bandit problem. Acting as an online learner, the system analyzes prior trials to select structural `actions' ($A_n$) from combinatorial spaces guided by expert blueprints (e.g., Universal Approximation, Physics-Informed constraints). These actions are translated into executable code ($S_n$) to generate scientific rewards ($R_n$). ATHENA transcends standard automation: in SciC, it autonomously identifies mathematical symmetries for exact analytical solutions or derives stable numerical solvers where foundation models fail. In SciML, it performs deep diagnosis to tackle ill-posed formulations and combines hybrid symbolic-numeric workflows (e.g., coupling PINNs with FEM) to resolve multiphysics problems. The framework achieves super-human performance, reaching validation errors of $10^{-14}$. Furthermore, collaborative ``human-in-the-loop" intervention allows the system to bridge stability gaps, improving results by an order of magnitude. This paradigm shift focuses from implementation mechanics to methodological innovation, accelerating scientific discovery.
• Abstract（参考訳）: 理論的概念化と計算的実装のギャップを埋めることは、SciC(SciC)とSciML(SciML)の大きなボトルネックである。 ATHENA(Agentic Team for Hierarchical Evolutionary Numerical Algorithms)は、自律的なラボとして設計されたエージェントフレームワークで、エンドツーエンドの計算研究ライフサイクルを管理する。 HENAループは知識駆動型診断プロセスであり、コンテキスト帯域問題(Contextual Bandit problem)としてフレーム化されている。 オンライン学習者として機能し、専門家のブループリント(例えば、ユニバーサル近似、物理インフォームド制約)でガイドされた組合せ空間から構造的「アクション」(A_n$)を選択するための事前試行を解析する。 これらのアクションは、科学的な報酬(R_n$)を生成するために実行可能なコード(S_n$)に変換される。 SciCでは、正確な解析解の数学的対称性を自律的に識別するか、基礎モデルが失敗する安定した数値解法を導出する。 SciMLでは、不正な定式化に取り組むために深い診断を行い、多物理問題を解決するためにハイブリッドな記号-数値ワークフロー(例えば、PINNとFEMを結合する)を組み合わせる。 このフレームワークは超人的性能を実現し、検証エラーは10-14$に達する。 さらに、協調的な‘Human-in-the-loop’介入により、システムは安定性のギャップを埋めることができ、その結果を桁違いに改善することができる。 このパラダイムシフトは、実装力学から方法論的な革新へと焦点を合わせ、科学的発見を加速させる。

関連論文リスト

• Chain of Unit-Physics: A Primitive-Centric Approach to Scientific Code Synthesis [0.0]
  第一原理(またはプリミティブ)中心のマルチエージェントシステムで、人間の知識をコード生成を明示的に制約する単体物理学テストとしてコード化します。 データセットやモデルが進化するにつれて、ゼロショットコードの精度は向上するが、しかしながら、単位-物理フレームワークの連鎖は、科学的なコードの基本となる第一原理の分析を埋め込むことによってさらに進んでいる。
  論文  参考訳（メタデータ） (2025-11-30T18:16:50Z)
• Algebraformer: A Neural Approach to Linear Systems [10.284321066857151]
  本稿では,線形系の解法,特に条件が不整な解法の基本課題について検討する。 既存の空調システムの数値解法は、精度と安定性を確保するために、パラメータチューニング、プレコンディショニング、ドメイン固有の専門知識を必要とすることが多い。 本稿では,過酷な条件下でも線形システムをエンドツーエンドに解くことを学ぶトランスフォーマーベースのアーキテクチャであるAlgebraformerを提案する。
  論文  参考訳（メタデータ） (2025-11-18T08:53:22Z)
• MOSAIC: Multi-agent Orchestration for Task-Intelligent Scientific Coding [5.470408942595905]
  MOSAICは訓練のないフレームワークで、特別に設計されたエージェントで、生徒-教師のパラダイム内で、自己表現し、合理性を作り、コードを作り、デバッグする。 我々はMOSAICを科学的符号化ベンチマークで評価し、我々の特殊エージェントフレームワークが既存の手法よりも精度、堅牢性、解釈可能性で優れていることを示した。
  論文  参考訳（メタデータ） (2025-10-09T20:35:23Z)
• Barbarians at the Gate: How AI is Upending Systems Research [58.95406995634148]
  システム研究は、新しいパフォーマンス指向アルゴリズムの設計と評価に長年注力してきたが、AI駆動のソリューション発見には特に適している、と私たちは主張する。 このアプローチをAI駆動システム研究(ADRS)と呼び、ソリューションを反復的に生成し、評価し、洗練する。 我々の研究結果は、AI時代のシステム研究の実践に急激な適応の必要性と破壊的な可能性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-10-07T17:49:24Z)
• TusoAI: Agentic Optimization for Scientific Methods [16.268579802762247]
  大規模言語モデル(LLM)は、文学の合成、経験的データによる推論、ドメイン固有コードの生成において強力な能力を示している。 本稿では,評価機能を備えた科学的タスク記述を行うエージェントAIシステムであるTusoAIを紹介する。 TusoAIはドメイン知識を知識ツリー表現に統合し、反復的でドメイン固有の最適化とモデル診断を行う。
  論文  参考訳（メタデータ） (2025-09-28T17:30:44Z)
• SciML Agents: Write the Solver, Not the Solution [69.5021018644143]
  敵の"ミスリーディング"問題の診断データセットと,1,000種類のODEタスクの大規模ベンチマークという,2つの新しいデータセットを紹介した。 オープンおよびクローズドソース LLM モデルについて, (i) 誘導型とガイド型, (ii) オフ・ザ・シェルフ対微調整型という2つの軸に沿って評価した。 予備的な結果は、慎重なプロンプトと微調整により、単純なODE問題を確実に解決できる特殊なLLMエージェントが得られることを示唆している。
  論文  参考訳（メタデータ） (2025-09-12T02:53:57Z)
• An AI system to help scientists write expert-level empirical software [25.01900335784437]
  品質基準を最大化するために,専門家レベルの科学ソフトウェアを作成するAIシステムを提案する。 このシステムは、外部ソースから複雑な研究アイデアを探求し、統合する際に、専門家レベルの結果を得る。 バイオインフォマティクスでは、公共のリーダーボード上で人間が開発した最上位の手法よりも優れた、40の新しい単一セルデータ解析法が発見された。 疫学では、新型コロナウイルス(COVID-19)の入院を予測するためのCDCアンサンブルやその他の全ての個人モデルを上回る14のモデルを作成した。
  論文  参考訳（メタデータ） (2025-09-08T10:08:36Z)
• Decentralized Nonconvex Composite Federated Learning with Gradient Tracking and Momentum [78.27945336558987]
  分散サーバ(DFL)はクライアント・クライアント・アーキテクチャへの依存をなくす。 非滑らかな正規化はしばしば機械学習タスクに組み込まれる。 本稿では,これらの問題を解決する新しいDNCFLアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-04-17T08:32:25Z)
• AttNS: Attention-Inspired Numerical Solving For Limited Data Scenarios [51.94807626839365]
  限定データによる微分方程式の解法として,注目型数値解法(AttNS)を提案する。 AttNSは、モデル一般化とロバスト性の向上におけるResidual Neural Networks(ResNet)のアテンションモジュールの効果にインスパイアされている。
  論文  参考訳（メタデータ） (2023-02-05T01:39:21Z)

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。