論文の概要: PhysMaster: Building an Autonomous AI Physicist for Theoretical and Computational Physics Research

• arxiv url: http://arxiv.org/abs/2512.19799v1
• Date: Mon, 22 Dec 2025 19:00:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-24 19:17:49.639485
• Title: PhysMaster: Building an Autonomous AI Physicist for Theoretical and Computational Physics Research
• Title（参考訳）: PhysMaster:理論と計算の物理研究のための自律的なAI物理学者を作る
• Authors: Tingjia Miao, Jiawen Dai, Jingkun Liu, Jinxin Tan, Muhua Zhang, Wenkai Jin, Yuwen Du, Tian Jin, Xianghe Pang, Zexi Liu, Tu Guo, Zhengliang Zhang, Yunjie Huang, Shuo Chen, Rui Ye, Yuzhi Zhang, Linfeng Zhang, Kun Chen, Wei Wang, Weinan E, Siheng Chen,
• Abstract要約: 本稿では,自律的理論・計算物理学者であるPhysMasterを提案する。 我々は, 高エネルギー理論, 凝縮物質理論から天体物理学へ, (i) 加速, 労働集約的な研究を数ヶ月から数時間に圧縮, (ii) 自動化, 仮説駆動ループの自律実行, (iii) 自律的発見, オープンな問題を独立して探索する。
• 参考スコア（独自算出の注目度）: 45.393852582578695
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Advances in LLMs have produced agents with knowledge and operational capabilities comparable to human scientists, suggesting potential to assist, accelerate, and automate research. However, existing studies mainly evaluate such systems on well-defined benchmarks or general tasks like literature retrieval, limiting their end-to-end problem-solving ability in open scientific scenarios. This is particularly true in physics, which is abstract, mathematically intensive, and requires integrating analytical reasoning with code-based computation. To address this, we propose PhysMaster, an LLM-based agent functioning as an autonomous theoretical and computational physicist. PhysMaster couples absract reasoning with numerical computation and leverages LANDAU, the Layered Academic Data Universe, which preserves retrieved literature, curated prior knowledge, and validated methodological traces, enhancing decision reliability and stability. It also employs an adaptive exploration strategy balancing efficiency and open-ended exploration, enabling robust performance in ultra-long-horizon tasks. We evaluate PhysMaster on problems from high-energy theory, condensed matter theory to astrophysics, including: (i) acceleration, compressing labor-intensive research from months to hours; (ii) automation, autonomously executing hypothesis-driven loops ; and (iii) autonomous discovery, independently exploring open problems.
• Abstract（参考訳）: LLMの進歩は、人間の科学者に匹敵する知識と運用能力を持つエージェントを生み出し、研究を支援し、加速し、自動化する可能性を示唆している。 しかし、既存の研究は主に、明確に定義されたベンチマークや文献検索のような一般的なタスクに基づいて、オープンな科学シナリオにおけるエンドツーエンドの問題解決能力を制限している。 これは特に、抽象的で数学的に集約的で、解析的推論とコードベースの計算を統合する必要がある物理学において当てはまる。 そこで本研究では,自律的理論・計算物理学者として機能するLDMベースのエージェントであるPhysMasterを提案する。 PhysMaster は、数値計算とabsract 推論を結合し、回収された文献を保存し、事前知識をキュレートし、方法論的トレースを検証し、決定の信頼性と安定性を高める LANDAU を利用する。 また、効率のバランスとオープンエンド探索のバランスをとる適応探索戦略を採用し、超長距離作業における堅牢な性能を実現する。 我々は、高エネルギー理論、凝縮物質理論から天体物理学までの問題に対するPhysMasterの評価を行った。 一 労働集約的な研究を数ヶ月から数時間に圧縮する加速 (二)自動化、仮説駆動ループの自律実行、及び (三)自律的な発見、独立して未解決の問題を探求すること。

関連論文リスト

• An Agentic Framework for Autonomous Materials Computation [70.24472585135929]
  大規模言語モデル(LLM)は、科学的発見を加速するための強力なツールとして登場した。 近年の進歩はLLMをエージェントフレームワークに統合し、複雑な科学実験のための検索、推論、ツールの使用を可能にしている。 本稿では,第一原理計算の信頼性向上を目的としたドメイン特化エージェントを提案する。
  論文  参考訳（メタデータ） (2025-12-22T15:03:57Z)
• Probing the Critical Point (CritPt) of AI Reasoning: a Frontier Physics Research Benchmark [49.42250115889234]
  本研究では,研究レベルの推論タスクにおいて,大規模言語モデル(LLM)をテストするために設計された最初のベンチマークを示す。 CritPtは71の複合研究課題からなる。 現在最先端のLCMは、孤立したチェックポイントを早期に保証しているが、完全な研究スケールの課題を確実に解決できるには程遠い。
  論文  参考訳（メタデータ） (2025-09-30T17:34:03Z)
• Position: Intelligent Science Laboratory Requires the Integration of Cognitive and Embodied AI [98.19195693735487]
  知的科学研究所(ISL)のパラダイムを提案する。 ISLは、認知と具体的知性を深く統合した多層クローズドループフレームワークである。 このようなシステムは、現在の科学的発見の限界を克服するために不可欠である、と我々は主張する。
  論文  参考訳（メタデータ） (2025-06-24T13:31:44Z)
• Can Theoretical Physics Research Benefit from Language Agents? [50.57057488167844]
  大規模言語モデル(LLM)は、様々な領域にわたって急速に進歩しているが、理論物理学研究への応用はまだ成熟していない。 このポジションペーパーは、LLMエージェントが、ドメイン知識やツールボックスと適切に統合された場合、理論的、計算的、応用物理学を加速するのに役立つと主張している。 マルチモーダルデータを処理し、検証可能な仮説を提案し、設計実験を行う物理特殊化LSMを構想する。
  論文  参考訳（メタデータ） (2025-06-06T16:20:06Z)
• Advancing AI-Scientist Understanding: Multi-Agent LLMs with Interpretable Physics Reasoning [0.7499722271664147]
  大規模言語モデル(LLM)は、記号操作、数値計算、科学的推論の支援によって物理学研究においてますます重要な役割を担っている。 我々は,3つの重要なモジュールを通じてAIと人間科学者の協調を促進する,新しい多エージェントLLM物理学者フレームワークを導入する。 ケーススタディでは,本手法が解釈可能性を大幅に向上し,体系的な検証が可能となり,物理問題解決と発見における人間とAIの連携が向上することを示した。
  論文  参考訳（メタデータ） (2025-04-02T17:13:16Z)
• AI Research Associate for Early-Stage Scientific Discovery [1.6861004263551447]
  人工知能(AI)は科学活動に何十年も使われ続けている。 我々は、最小バイアスの物理に基づくモデリングに基づく、初期段階の科学的発見のためのAI研究アソシエイトを提案する。
  論文  参考訳（メタデータ） (2022-02-02T17:05:52Z)

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。