論文の概要: Autonomous Materials Exploration by Integrating Automated Phase Identification and AI-Assisted Human Reasoning
- arxiv url: http://arxiv.org/abs/2601.08185v1
- Date: Tue, 13 Jan 2026 03:30:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-14 18:27:19.046692
- Title: Autonomous Materials Exploration by Integrating Automated Phase Identification and AI-Assisted Human Reasoning
- Title（参考訳）: 自動位相同定とAI支援人間推論の統合による自律材料探索
- Authors: Ming-Chiang Chang, Maximilian Amsler, Duncan R. Sutherland, Sebastian Ament, Katie R. Gann, Lan Zhou, Louisa M. Smieska, Arthur R. Woll, John M. Gregoire, Carla P. Gomes, R. Bruce van Dover, Michael O. Thompson,
- Abstract要約: 本稿では,SARA(Scientific Autonomous Reasoning Agent)への自動材料合成拡張について述べる。
我々は,自動確率位相ラベリングアルゴリズムによって提供される位相情報を用いて,対象位相領域の探索を高速化する。
我々は、AI実装の効率を実証し、人間の入力がサンプリング効率を大幅に改善できることを示す。
- 参考スコア（独自算出の注目度）: 15.330065664305211
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous experimentation holds the potential to accelerate materials development by combining artificial intelligence (AI) with modular robotic platforms to explore extensive combinatorial chemical and processing spaces. Such self-driving laboratories can not only increase the throughput of repetitive experiments, but also incorporate human domain expertise to drive the search towards user-defined objectives, including improved materials performance metrics. We present an autonomous materials synthesis extension to SARA, the Scientific Autonomous Reasoning Agent, utilizing phase information provided by an automated probabilistic phase labeling algorithm to expedite the search for targeted phase regions. By incorporating human input into an expanded SARA-H (SARA with human-in-the-loop) framework, we enhance the efficiency of the underlying reasoning process. Using synthetic benchmarks, we demonstrate the efficiency of our AI implementation and show that the human input can contribute to significant improvement in sampling efficiency. We conduct experimental active learning campaigns using robotic processing of thin-film samples of several oxide material systems, including Bi$_2$O$_3$, SnO$_x$, and Bi-Ti-O, using lateral-gradient laser spike annealing to synthesize and kinetically trap metastable phases. We showcase the utility of human-in-the-loop autonomous experimentation for the Bi-Ti-O system, where we identify extensive processing domains that stabilize $δ$-Bi$_2$O$_3$ and Bi$_2$Ti$_2$O$_7$, explore dwell-dependent ternary oxide phase behavior, and provide evidence confirming predictions that cationic substitutional doping of TiO$_2$ with Bi inhibits the unfavorable transformation of the metastable anatase to the ground-state rutile phase. The autonomous methods we have developed enable the discovery of new materials and new understanding of materials synthesis and properties.
- Abstract（参考訳）: 自律的な実験は、人工知能(AI)とモジュール型ロボットプラットフォームを組み合わせることで材料開発を加速する可能性を秘めている。
このような自動運転研究所は、反復的な実験のスループットを向上するだけでなく、人的領域の専門知識を取り入れて、材料のパフォーマンス指標の改善など、ユーザ定義の目標に向けた探索を推進している。
本稿では, 自動確率位相ラベリングアルゴリズムによって提供された位相情報を利用して, 対象位相領域の探索を高速化する, 科学自律推論エージェントSARAへの自動材料合成拡張について述べる。
人間の入力を拡張されたSARA-H(Human-in-the-loop)フレームワークに組み込むことで,基礎となる推論プロセスの効率を向上する。
合成ベンチマークを用いて、AI実装の効率を実証し、人間の入力がサンプリング効率を大幅に改善できることを示す。
Bi$_2$O$_3$, SnO$_x$, Bi-Ti-Oなどの酸化物材料の薄膜試料のロボット処理を用いて, 側方勾配レーザースパイクアニールを用いて, メタスタブル相を合成, 運動的にトラップする実験的な能動学習キャンペーンを実施した。
そこでは,Bio-Ti-Oシステムにおいて,δ$-Bi$_2$O$_3$およびBi$_2$Ti$_2$O$_7$,dwell-dependent 3元酸化物相の挙動を探索し,TiO$_2$とBiのカチオン置換ドーピングによりメタスタブルアナターゼが基底状態のルチル相への不利な変換を阻害する証拠を提示する。
私たちが開発した自律的な手法は、新しい素材の発見と、材料の合成と性質の新たな理解を可能にする。
関連論文リスト
- SelfAI: Building a Self-Training AI System with LLM Agents [79.10991818561907]
SelfAIは、高レベルの研究目的を標準化された実験構成に変換するためのUser Agentを組み合わせた、一般的なマルチエージェントプラットフォームである。
実験マネージャは、連続的なフィードバックのための構造化知識ベースを維持しながら、異種ハードウェアをまたいだ並列かつフォールトトレラントなトレーニングを編成する。
回帰、コンピュータビジョン、科学計算、医用画像、薬物発見ベンチマークなどを通じて、SelfAIは一貫して高いパフォーマンスを達成し、冗長な試行を減らしている。
論文 参考訳（メタデータ） (2025-11-29T09:18:39Z) - Human-AI collaborative autonomous synthesis with pulsed laser deposition for remote epitaxy [1.7745320870460644]
仮説生成と解析のための大規模言語モデルを統合したヒューマンAI協調ワークフロー(HAIC)を開発し,展開する。
HAICは仮説形成と実験設計を加速し、成長空間をグラフェン損傷に効率的にマッピングした。
論文 参考訳（メタデータ） (2025-11-14T18:48:52Z) - AgentEvolver: Towards Efficient Self-Evolving Agent System [51.54882384204726]
本稿では,自律型エージェント学習を駆動する自己進化型エージェントシステムであるAgentEvolverを紹介する。
AgentEvolverは、セルフクエスト、セルフナビゲート、セルフコントリビューションという3つのシナジスティックメカニズムを導入している。
予備実験により、AgentEvolverは従来のRLベースのベースラインと比較して、より効率的な探索、より優れたサンプル利用、より高速な適応を実現していることが示された。
論文 参考訳（メタデータ） (2025-11-13T15:14:47Z) - Fine-Tuning and Prompt Engineering of LLMs, for the Creation of Multi-Agent AI for Addressing Sustainable Protein Production Challenges [38.405196084093454]
持続可能なタンパク質生産研究を支援するための,概念実証型マルチエージェント人工知能フレームワークを提案する。
文献検索剤は、特定微生物株の微生物タンパク質産生に関する関連科学的文献を検索する。
情報抽出剤は、検索した内容を処理し、関連する生物学的および化学的情報を抽出する。
論文 参考訳（メタデータ） (2025-06-25T16:37:46Z) - Adaptive AI decision interface for autonomous electronic material discovery [9.228340729592736]
AI/AEシステム上でAI決定インターフェースを開発し,実装する。
インターフェースの中心的な要素は、リアルタイム進捗監視、データ分析、インタラクティブな人間とAIのコラボレーションを実行するAIアドバイザである。
このプラットフォームを新しいタイプの電子材料混合イオン-電子導電性高分子に適用する。
論文 参考訳（メタデータ） (2025-04-17T21:26:48Z) - ChemMiner: A Large Language Model Agent System for Chemical Literature Data Mining [56.15126714863963]
ChemMinerは、文学から化学データを抽出するエンドツーエンドのフレームワークである。
ChemMinerには、コア参照マッピングのためのテキスト分析エージェント、非テキスト情報抽出のためのマルチモーダルエージェント、データ生成のための合成分析エージェントの3つの特殊エージェントが組み込まれている。
実験の結果,ヒト化学者に匹敵する反応同定率を示すとともに,高い精度,リコール,F1スコアで処理時間を著しく短縮した。
論文 参考訳（メタデータ） (2024-02-20T13:21:46Z) - Chemist-X: Large Language Model-empowered Agent for Reaction Condition Recommendation in Chemical Synthesis [55.30328162764292]
Chemist-Xは、化学合成における反応条件最適化(RCO)タスクを自動化する包括的なAIエージェントである。
このエージェントは、検索強化世代(RAG)技術とAI制御のウェットラブ実験を実行する。
我々の自動ウェットラブ実験の結果は、LLMが制御するエンドツーエンドの操作を、ロボットに人間がいない状態で行うことで達成され、Chemist-Xの自動運転実験における能力が証明された。
論文 参考訳（メタデータ） (2023-11-16T01:21:33Z) - Automated Biodesign Engineering by Abductive Meta-Interpretive Learning [8.788941848262786]
Abductive Meta-Interpretive Learning($Meta_Abd$)を活用した自動バイオデザインエンジニアリングフレームワークを提案します。
本稿では,Abductive Meta-Interpretive Learning(Meta_Abd$)を活用したバイオデザイン自動工学フレームワークを提案する。
論文 参考訳（メタデータ） (2021-05-17T12:10:26Z) - Autonomous synthesis of metastable materials [13.506040229814499]
我々はSARA(Scientific Autonomous Reasoning Agent)が管理する階層的自律実験による準安定物質の高速合成と探索を実証する。
SARAは、処理フェーズダイアグラムの構造を効率的に明らかにするAI手法の階層構造とともに、ロボット素材の合成とキャラクタリゼーションを統合する。
我々は,bi$o$_3$システムにおける合成相境界を自律的にマッピングすることにより,合成相図の確立においてその性能を実証する。
論文 参考訳（メタデータ） (2021-01-19T00:29:26Z)
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。