論文の概要: DeepInflation: an AI agent for research and model discovery of inflation
- arxiv url: http://arxiv.org/abs/2601.14288v1
- Date: Wed, 14 Jan 2026 09:41:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-22 21:27:50.073047
- Title: DeepInflation: an AI agent for research and model discovery of inflation
- Title（参考訳）: Deep Inflation:インフレーションの研究とモデル発見のためのAIエージェント
- Authors: Ze-Yu Peng, Hao-Shi Yuan, Qi Lai, Jun-Qian Jiang, Gen Ye, Jun Zhang, Yun-Song Piao,
- Abstract要約: textbfDeepInflationは、インフレーション宇宙論の研究とモデル発見のために設計されたAIエージェントである。
textbfDeepInflationは、Large Language Models (LLM) とシンボリックレグレッション(SR)エンジンと検索強化世代(RAG)ナレッジベースを統合している。
textbfDeepInflationは、宇宙生物学における新しい世代の自律科学発見エンジンのプロトタイプとして機能する。
- 参考スコア（独自算出の注目度）: 4.703639337577264
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present \textbf{DeepInflation}, an AI agent designed for research and model discovery in inflationary cosmology. Built upon a multi-agent architecture, \textbf{DeepInflation} integrates Large Language Models (LLMs) with a symbolic regression (SR) engine and a retrieval-augmented generation (RAG) knowledge base. This framework enables the agent to automatically explore and verify the vast landscape of inflationary potentials while grounding its outputs in established theoretical literature. We demonstrate that \textbf{DeepInflation} can successfully discover simple and viable single-field slow-roll inflationary potentials consistent with the latest observations (here ACT DR6 results as example) or any given $n_s$ and $r$, and provide accurate theoretical context for obscure inflationary scenarios. \textbf{DeepInflation} serves as a prototype for a new generation of autonomous scientific discovery engines in cosmology, which enables researchers and non-experts alike to explore the inflationary landscape using natural language. This agent is available at https://github.com/pengzy-cosmo/DeepInflation.
- Abstract（参考訳）: 本稿では、インフレーション宇宙論における研究とモデル発見のためのAIエージェントである「textbf{DeepInflation}」を紹介する。
マルチエージェントアーキテクチャ上に構築された \textbf{DeepInflation} は,Large Language Models (LLM) とシンボル回帰 (SR) エンジン,検索拡張生成 (RAG) 知識ベースを統合している。
この枠組みにより、エージェントは、確立された理論文献にその出力を基礎づけながら、インフレポテンシャルの広大な景観を自動で探索し、検証することができる。
以上の結果から, 直近の観測結果(ACT DR6 の例)や与えられた任意の$n_s$ および $r$ と整合性のある単体スローロールインフレーションポテンシャルの発見に成功し, 不明瞭なインフレーションシナリオに対する正確な理論的文脈を提供することができた。
\textbf{DeepInflation}は、宇宙論における新しい世代の自律科学発見エンジンのプロトタイプとして機能し、研究者や非専門家が自然言語を使ってインフレの風景を探索することを可能にする。
このエージェントはhttps://github.com/pengzy-cosmo/DeepInflation.comで入手できる。
関連論文リスト
- Iterated Agent for Symbolic Regression [5.401750491164173]
本稿では,Large Language Models (LLM) を進化的探索のセマンティック演算子として利用するフレームワークであるIdeanSearchFitterを紹介する。
自然言語の合理性によって導かれる候補表現を生成することにより,本手法は,正確なだけでなく,概念的に一貫性があり,解釈可能なモデルへの発見をバイアスする。
論文 参考訳（メタデータ） (2025-10-09T15:02:56Z) - From Web Search towards Agentic Deep Research: Incentivizing Search with Reasoning Agents [96.65646344634524]
推論とエージェント能力を備えた大規模言語モデル(LLM)は、エージェントディープリサーチ(Agenic Deep Research)と呼ばれる新しいパラダイムを取り入れている。
静的なWeb検索から,計画,探索,学習を行う対話型エージェントベースのシステムへの進化を辿ります。
我々はエージェントディープリサーチが既存のアプローチを著しく上回るだけでなく、将来の情報探索において支配的なパラダイムになることを実証する。
論文 参考訳（メタデータ） (2025-06-23T17:27:19Z) - The Discovery Engine: A Framework for AI-Driven Synthesis and Navigation of Scientific Knowledge Landscapes [0.0]
本稿では,文献を科学的領域の統一的,計算的に抽出可能な表現に変換するフレームワークであるDiscovery Engineを紹介する。
Discovery Engineは、AIが強化した科学調査と発見の加速のための新しいパラダイムを提供する。
論文 参考訳（メタデータ） (2025-05-23T05:51:34Z) - FLARE: Robot Learning with Implicit World Modeling [87.81846091038676]
$textbfFLARE$は、予測潜在世界モデリングをロボットポリシー学習に統合する。
$textbfFLARE$は最先端のパフォーマンスを実現し、これまでのポリシー学習のベースラインを最大26%上回っている。
この結果は、暗黙の世界モデリングと高周波ロボット制御を組み合わせた汎用的でスケーラブルなアプローチとして$textbfFLARE$を確立した。
論文 参考訳（メタデータ） (2025-05-21T15:33:27Z) - WebThinker: Empowering Large Reasoning Models with Deep Research Capability [109.8504165631888]
WebThinkerは、LEMがウェブを自律的に検索し、ウェブページをナビゲートし、推論プロセス中にレポートをドラフトすることを可能にするディープリサーチエージェントである。
また、Autonomous Think-Search-and-Draft戦略を採用しており、モデルが推論、情報収集、レポート作成をリアルタイムでシームレスにインターリーブすることができる。
我々のアプローチは複雑なシナリオにおけるLEMの信頼性と適用性を高め、より有能で多目的な深層研究システムへの道を開く。
論文 参考訳（メタデータ） (2025-04-30T16:25:25Z) - Optimal Inflationary Potentials [0.0]
インフレは初期の宇宙に好まれる理論である。
多数の候補実装で非常に過小評価されている。
我々は、すべての単純なスカラー場ポテンシャルを生成するために、シンボリックレグレッションに新しい方法を用いる。
論文 参考訳（メタデータ） (2023-10-25T17:20:19Z) - FAIR AI Models in High Energy Physics [16.744801048170732]
実験高エネルギー物理学におけるAIモデルに対するFAIR原則の実践的定義を提案する。
これらの原則を適用するためのテンプレートについて説明する。
本稿では,このFAIR AIモデルの堅牢性,ハードウェアアーキテクチャとソフトウェアフレームワーク間のポータビリティ,解釈可能性について報告する。
論文 参考訳（メタデータ） (2022-12-09T19:00:18Z) - Abstract Interpretation for Generalized Heuristic Search in Model-Based
Planning [50.96320003643406]
ドメイン・ジェネラル・モデル・ベース・プランナーは、しばしば記号的世界モデルの緩和を通じて探索を構築することによって一般性を導出する。
抽象解釈がこれらの抽象化の統一フレームワークとして機能し、よりリッチな世界モデルに探索の範囲を広げる方法について説明する。
また、これらは学習と統合することができ、エージェントは抽象的な情報を通じて、新しい世界のモデルで計画を開始することができる。
論文 参考訳（メタデータ） (2022-08-05T00:22:11Z)
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。