論文の概要: Sparking Scientific Creativity via LLM-Driven Interdisciplinary Inspiration
- arxiv url: http://arxiv.org/abs/2603.12226v1
- Date: Thu, 12 Mar 2026 17:48:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-13 14:46:26.265784
- Title: Sparking Scientific Creativity via LLM-Driven Interdisciplinary Inspiration
- Title（参考訳）: LLM駆動の学際的吸気による科学創造性の創発
- Authors: Priyanka Kargupta, Shuhaib Mehri, Dilek Hakkani-Tur, Jiawei Han,
- Abstract要約: Idea-Catalystは、人間と大きな言語モデルの両方における創造的推論を支援するために、学際的な洞察を識別する新しいフレームワークである。
a)研究目標の定義と評価、(b)ドメインの機会と未解決課題の認識、(c)影響ポテンシャルに基づく学際的アイデアの戦略的探索。
- 参考スコア（独自算出の注目度）: 21.009527937618248
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Despite interdisciplinary research leading to larger and longer-term impact, most work remains confined to single-domain academic silos. Recent AI-based approaches to scientific discovery show promise for interdisciplinary research, but many prioritize rapidly designing experiments and solutions, bypassing the exploratory, collaborative reasoning processes that drive creative interdisciplinary breakthroughs. As a result, prior efforts largely prioritize automating scientific discovery rather than augmenting the reasoning processes that underlie scientific disruption. We present Idea-Catalyst, a novel framework that systematically identifies interdisciplinary insights to support creative reasoning in both humans and large language models. Starting from an abstract research goal, Idea-Catalyst is designed to assist the brainstorming stage, explicitly avoiding premature anchoring on specific solutions. The framework embodies key metacognitive features of interdisciplinary reasoning: (a) defining and assessing research goals, (b) awareness of a domain's opportunities and unresolved challenges, and (c) strategic exploration of interdisciplinary ideas based on impact potential. Concretely, Idea-Catalyst decomposes an abstract goal (e.g., improving human-AI collaboration) into core target-domain research questions that guide the analysis of progress and open challenges within that domain. These challenges are reformulated as domain-agnostic conceptual problems, enabling retrieval from external disciplines (e.g., Psychology, Sociology) that address analogous issues. By synthesizing and recontextualizing insights from these domains back into the target domain, Idea-Catalyst ranks source domains by their interdisciplinary potential. Empirically, this targeted integration improves average novelty by 21% and insightfulness by 16%, while remaining grounded in the original research problem.
- Abstract（参考訳）: 学際的な研究により、より大きく長期的な影響がもたらされたが、ほとんどの研究は単分野の学術的なサイロに限られている。
科学的な発見に対する最近のAIベースのアプローチは、学際的な研究を約束することを示しているが、多くの人は、学際的なブレークスルーを駆動する探索的で協調的な推論プロセスを回避して、実験とソリューションを迅速に設計することを優先している。
その結果、それまでの取り組みは、科学的破壊の根底にある推論プロセスを強化するよりも、科学的発見の自動化を優先していた。
我々は,人間と大言語モデルの両方における創造的推論を支援するために,学際的洞察を体系的に識別する新しいフレームワークであるIdean-Catalystを提案する。
抽象的な研究目標から始まったIdean-Catalystは、ブレインストーミングのステージを支援するために設計されており、特定のソリューションに未熟なアンカーを明示的に避けている。
学際的推論の重要なメタ認知的特徴を具現化した枠組み
a)研究目標を定義し評価すること
b)ドメインの機会の認識と未解決課題
(c)影響ポテンシャルに基づく学際的アイデアの戦略的探索
具体的には、Idean-Catalyst氏は、抽象的な目標(例えば、人間とAIのコラボレーションを改善すること)を、そのドメイン内の進歩とオープンな課題の分析を導く、中核的な対象領域の研究質問に分解する。
これらの課題はドメインに依存しない概念問題として再編成され、類似の問題に対処する外部分野(心理学、社会学など)からの検索を可能にする。
これらのドメインからの洞察をターゲットドメインに合成し、再テクスチャ化することで、Idean-Catalystはその分野間ポテンシャルによってソースドメインをランク付けする。
実験的に、この目標とする統合は平均的新奇性を21%改善し、洞察力は16%向上する一方で、元の研究課題に根ざしたままである。
関連論文リスト
- Intersectoral Knowledge in AI and Urban Studies: A Framework for Transdisciplinary Research [0.0]
本稿では,AIおよび都市研究における学際的知識の妥当性の評価と強化のための6次元フレームワークを提案する。
具体的には、そのフレームワークは、オントロジ、オリエンテーション、方法論、実証学、公理学、およびバリゼーションの次元に基づいて研究を分類する。
理想主義、混合手法、文化的価値化など、あまり一般的でないスタンスも、知識生産を豊かにする可能性について検討されている。
論文 参考訳（メタデータ） (2025-08-10T23:35:09Z) - Understanding Large Language Models' Ability on Interdisciplinary Research [27.539601507270575]
大規模言語モデル(LLM)は、科学的発見において強力なツールと協力者である。
学際研究におけるLLMのアイデア開発能力を評価する専用ベンチマークの欠如は、その強みと限界を完全に理解する上で重要な障壁となっている。
IDRBenchは、専門家アノテートされたデータセットと、LLMの機能を評価するために調整された一連のタスクを特徴とする先駆的なベンチマークである。
論文 参考訳（メタデータ） (2025-07-21T15:43:05Z) - AI4Research: A Survey of Artificial Intelligence for Scientific Research [55.5452803680643]
我々はAI for Research(AI4Research)に関する総合的な調査を行う。
まず、AI4Researchの5つの主要なタスクを分類する系統分類を導入する。
主要な研究ギャップを特定し、将来有望な方向性を明らかにする。
論文 参考訳（メタデータ） (2025-07-02T17:19:20Z) - Towards deployment-centric multimodal AI beyond vision and language [69.58738352730103]
デプロイ不能なソリューションの可能性を減らすために、デプロイメント制約を早期に組み込んだデプロイメント中心のワークフローを提唱します。
我々は、複数の分野にまたがる共通のマルチモーダルAI固有の課題を特定し、3つの実世界のユースケースについて検討する。
複数の学際的な対話とオープンな研究プラクティスを育むことで、我々のコミュニティは、広く社会に影響を及ぼすためのデプロイメント中心の開発を加速できる。
論文 参考訳（メタデータ） (2025-04-04T17:20:05Z) - The Blind Men and the Elephant: Mapping Interdisciplinarity in Research on Decentralized Autonomous Organizations [0.0]
分散自治機構(DAO)は、特にビジネス、経済学、コンピュータ科学において、学際的な関心を集めている。
研究は分野によって断片化され、その可能性に対する包括的な理解が制限されている。
現在の研究は主に応用され、ケース駆動であり、理論的な統合は限られている。
論文 参考訳（メタデータ） (2025-02-14T07:06:43Z) - Open Problems in Mechanistic Interpretability [61.44773053835185]
機械的解釈可能性(Mechanistic Interpretability)は、ニューラルネットワークの能力の根底にある計算メカニズムを理解することを目的としている。
これらの目標に向けての最近の進歩にもかかわらず、解を必要とする分野には多くの未解決問題が存在する。
論文 参考訳（メタデータ） (2025-01-27T20:57:18Z) - On the importance of AI research beyond disciplines [7.022779279820803]
技術が社会に与える影響を理解するためには学際的知識を受け入れることが不可欠である。
目標は、多様性を尊重し、創造し、批判し、新しい概念的および理論的な枠組みを開発する規律を超えて研究環境を育むことである。
論文 参考訳（メタデータ） (2023-02-13T19:39:37Z) - Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。
AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
論文 参考訳（メタデータ） (2021-01-15T10:43:10Z)
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。