論文の概要: PeroMAS: A Multi-agent System of Perovskite Material Discovery

• arxiv url: http://arxiv.org/abs/2602.13312v1
• Date: Tue, 10 Feb 2026 09:33:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-17 14:17:27.842792
• Title: PeroMAS: A Multi-agent System of Perovskite Material Discovery
• Title（参考訳）: PeroMAS:ペロブスカイト材料発見のためのマルチエージェントシステム
• Authors: Yishu Wang, Wei Liu, Yifan Li, Shengxiang Xu, Xujie Yuan, Ran Li, Yuyu Luo, Jia Zhu, Shimin Di, Min-Ling Zhang, Guixiang Li,
• Abstract要約: ペロブスカイト太陽電池(PSC)は優れた光電子性能とコストポテンシャルで有名である。 既存のAIアプローチは主に、マテリアルデザイン、プロセス最適化、プロパティ予測など、独立したモデルに焦点を当てている。 ペロブスカイト材料発見のためのマルチエージェントシステムPeroMASを提案する。
• 参考スコア（独自算出の注目度）: 51.859972927223936
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As a pioneer of the third-generation photovoltaic revolution, Perovskite Solar Cells (PSCs) are renowned for their superior optoelectronic performance and cost potential. The development process of PSCs is precise and complex, involving a series of closed-loop workflows such as literature retrieval, data integration, experimental design, and synthesis. However, existing AI perovskite approaches focus predominantly on discrete models, including material design, process optimization,and property prediction. These models fail to propagate physical constraints across the workflow, hindering end-to-end optimization. In this paper, we propose a multi-agent system for perovskite material discovery, named PeroMAS. We first encapsulated a series of perovskite-specific tools into Model Context Protocols (MCPs). By planning and invoking these tools, PeroMAS can design perovskite materials under multi-objective constraints, covering the entire process from literature retrieval and data extraction to property prediction and mechanism analysis. Furthermore, we construct an evaluation benchmark by perovskite human experts to assess this multi-agent system. Results demonstrate that, compared to single Large Language Model (LLM) or traditional search strategies, our system significantly enhances discovery efficiency. It successfully identified candidate materials satisfying multi-objective constraints. Notably, we verify PeroMAS's effectiveness in the physical world through real synthesis experiments.
• Abstract（参考訳）: 第三世代の太陽電池革命の先駆者として、ペロブスカイト太陽電池(PSC)は優れた光電子性能とコストポテンシャルで有名である。 PSCの開発プロセスは正確で複雑で、文献検索、データ統合、実験設計、合成といった一連のクローズドループワークフローを含む。 しかし、既存のAIペロブスカイトアプローチは、物質設計、プロセス最適化、プロパティ予測など、主に独立したモデルに焦点を当てている。 これらのモデルは、エンドツーエンドの最適化を妨げるため、ワークフロー全体に物理的な制約を伝達することができない。 本稿では,ペロブスカイト材料発見のためのマルチエージェントシステムPeroMASを提案する。 最初に、ペロブスカイト固有の一連のツールをモデルコンテキストプロトコル(MCP)にカプセル化した。 これらのツールの計画と実行によって、PeroMASは多目的制約の下でペロブスカイト材料を設計することができ、文献検索やデータ抽出からプロパティ予測やメカニズム解析まで、プロセス全体をカバーすることができる。 さらに,このマルチエージェントシステムを評価するために,ペロブスカイトの専門家による評価ベンチマークを構築した。 その結果,単一言語モデル (LLM) や従来の検索手法と比較して,本システムは発見効率を著しく向上させることがわかった。 多目的制約を満たす候補物質を同定した。 特に,実合成実験により物理界におけるPeroMASの有効性を検証する。

関連論文リスト

• Towards Agentic Intelligence for Materials Science [73.4576385477731]
  この調査は、コーパスキュレーションからプレトレーニングから、シミュレーションと実験プラットフォームに面した目標条件付きエージェントまで、ユニークなパイプライン中心の視点を推し進める。 コミュニティをブリッジし、参照の共有フレームを確立するために、まず、AIと材料科学をまたいだ用語、評価、ワークフローの段階を整列する統合レンズを提示する。
  論文  参考訳（メタデータ） (2026-01-29T23:48:43Z)
• Reward driven discovery of the optimal microstructure representations with invariant variational autoencoders [0.015295722752489374]
  変分オートエンコーダ(VAE)はそのような低次元表現を構築する強力な手段を提供する。 VAEは試行錯誤や経験分析によって最適化されることが多い。 本研究では,潜在空間表現を評価するための報酬ベース戦略について検討した。
  論文  参考訳（メタデータ） (2025-09-30T20:15:42Z)
• AIGI-Holmes: Towards Explainable and Generalizable AI-Generated Image Detection via Multimodal Large Language Models [78.08374249341514]
  AI生成コンテンツ(AIGC)の急速な発展は、誤情報を拡散するAIGIの誤用につながった。 大規模で包括的なデータセットであるHolmes-Setを導入し、画像がAI生成されているかどうかを解説したインストラクションチューニングデータセットを含む。 本研究は,MLLMの構造化説明と品質管理によるデータ生成を効率化する,Multi-Expert Juryと呼ばれる効率的なデータアノテーション手法を提案する。 さらに,視覚専門家による事前学習,教師付き微調整,直接選好最適化を含む3段階学習フレームワークであるHolmes Pipelineを提案する。
  論文  参考訳（メタデータ） (2025-07-03T14:26:31Z)
• Machine-Learning-Assisted Photonic Device Development: A Multiscale Approach from Theory to Characterization [80.82828320306464]
  フォトニックデバイス開発(PDD)は、様々な波長、スケール、アプリケーションにまたがる光を制御する新しいデバイスの設計と実装において大きな成功を収めた。 PDDは、設計パラメータからデバイス動作を導出する、デバイス性能をシミュレーションする、最適なデバイスを製造する、デバイス性能を測定する、という5段階の反復的プロセスである。 PDDは、大規模な最適化の展望、構造的または光学的特徴の不確実性、堅牢な製造プロセスの実装の困難に悩まされている。 本稿では,機械学習支援型PDDの実現に向けて,これらの手法の総合的な展望を示す。
  論文  参考訳（メタデータ） (2025-06-24T23:32:54Z)
• A preliminary data fusion study to assess the feasibility of Foundation Process-Property Models in Laser Powder Bed Fusion [0.0]
  基礎プロセスプロパティモデルの構築を妨げる大きな課題は、データの不足である。 レーザー粉末層融合(LPBF)における17-4 PHおよび316Lステンレス鋼(SS)から実験データセットを生成する。 次に、ガウス過程(GP)を様々な構成のプロセス固有性モデリングに利用し、ある物質系や性質に関する知識を活用できるかどうかを検証し、他の物質系や特性のためのより正確な機械学習モデルを構築する。
  論文  参考訳（メタデータ） (2025-03-20T19:29:38Z)
• Towards Fully-Automated Materials Discovery via Large-Scale Synthesis Dataset and Expert-Level LLM-as-a-Judge [6.500470477634259]
  本研究は,実践的でデータ駆動型資源を提供することで,材料科学コミュニティを支援することを目的としている。 オープンアクセス文献から17Kのエキスパートが検証した合成レシピの包括的データセットを収集した。 AlchemicalBenchは、合成予測に適用された大規模言語モデルの研究をサポートするエンドツーエンドフレームワークを提供する。
  論文  参考訳（メタデータ） (2025-02-23T06:16:23Z)
• A Survey on Inference Optimization Techniques for Mixture of Experts Models [50.40325411764262]
  大規模Mixture of Experts(MoE)モデルは、条件計算によるモデル容量と計算効率の向上を提供する。 これらのモデル上で推論をデプロイし実行することは、計算資源、レイテンシ、エネルギー効率において大きな課題を示す。 本調査では,システムスタック全体にわたるMoEモデルの最適化手法について分析する。
  論文  参考訳（メタデータ） (2024-12-18T14:11:15Z)
• AtomAgents: Alloy design and discovery through physics-aware multi-modal multi-agent artificial intelligence [0.0]
  提案されている物理対応生成AIプラットフォームAtomAgentsは、大規模言語モデル(LLM)のインテリジェンスをシナジする 以上の結果から, 合金間におけるキー特性の正確な予測が可能となり, 先進金属合金の開発を推し進めるためには, 固溶合金が重要な役割を担っていることが明らかとなった。
  論文  参考訳（メタデータ） (2024-07-13T22:46:02Z)
• Predictive modeling approaches in laser-based material processing [59.04160452043105]
  本研究の目的は,レーザー加工が材料構造に及ぼす影響を自動予測することである。 その焦点は、統計的および機械学習の代表的なアルゴリズムのパフォーマンスに焦点を当てている。 結果は、材料設計、テスト、生産コストを削減するための体系的な方法論の基礎を設定することができる。
  論文  参考訳（メタデータ） (2020-06-13T17:28:52Z)
• Intelligent multiscale simulation based on process-guided composite database [0.0]
  本稿では、プロセスモデリング、材料均質化、機械学習に基づく統合データ駆動モデリングフレームワークを提案する。 我々は, 自動車, 航空宇宙, エレクトロニクス産業において重要な材料システムとして認識されてきた, 射出成形した短繊維強化複合材料に興味を持っている。
  論文  参考訳（メタデータ） (2020-03-20T20:39:19Z)

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。