Fugu-MT 論文翻訳(概要): Self-evolving AI agents for protein discovery and directed evolution

論文の概要: Self-evolving AI agents for protein discovery and directed evolution

arxiv url: http://arxiv.org/abs/2603.27303v1
Date: Sat, 28 Mar 2026 15:16:49 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-31 23:18:44.890354
Title: Self-evolving AI agents for protein discovery and directed evolution
Title（参考訳）: タンパク質発見と進化誘導のための自己進化型AIエージェント
Abstract要約: VenusFactory2は、静的ツールの使用から動的ワークフロー合成に移行する、自律的なフレームワークを提供する。単一の自然言語プロンプトからタンパク質の発見と最適化を自律的に行う。
参考スコア（独自算出の注目度）: 23.81517872383205
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Protein scientific discovery is bottlenecked by the manual orchestration of information and algorithms, while general agents are insufficient in complex domain projects. VenusFactory2 provides an autonomous framework that shifts from static tool usage to dynamic workflow synthesis via a self-evolving multi-agent infrastructure to address protein-related demands. It outperforms a set of well-known agents on the VenusAgentEval benchmark, and autonomously organizes the discovery and optimization of proteins from a single natural language prompt.
Abstract（参考訳）: タンパク質の科学的発見は、情報とアルゴリズムの手作業によるオーケストレーションによってボトルネックとなるが、汎用エージェントは複雑なドメインプロジェクトでは不十分である。 VenusFactory2は、静的ツールの使用から、自己進化型のマルチエージェントインフラストラクチャを通じて動的ワークフロー合成から、タンパク質関連の要求に対処する自律的なフレームワークを提供する。 VenusAgentEvalベンチマークでは、よく知られたエージェントのセットよりも優れており、単一の自然言語プロンプトからタンパク質の発見と最適化を自律的に組織化している。

関連論文リスト

Beyond AI as Assistants: Toward Autonomous Discovery in Cosmology [0.02455468619225742]
人工知能(AI)エージェントの最近の進歩は、自律的な科学的発見に向けたツールを超えて、AIを推し進めている。 textttCMBEvolve と textttCosmoEvolve の2つの相補的エージェントシステムについて論じる。宇宙論は、AI科学者システムの開発において、制御されたベンチマークタスクと現実的なオープンな研究課題の両方を提供することができるかを示す。
論文参考訳（メタデータ） (2026-05-14T12:58:12Z)
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)
DynaMate: An Autonomous Agent for Protein-Ligand Molecular Dynamics Simulations [13.253932177045842]
力場に基づく分子動力学(MD)シミュレーションは、生体分子系の構造、力学、機能を知るのに不可欠である。 MDセットアップの技術的な複雑さは、パラメータ化、入力準備、ソフトウェア構成を含んでおり、広く効率的な使用の障壁となっている。本稿では,タンパク質リガンドシステムとタンパク質リガンドシステムの両方の完全なMDを自律的に設計し,実行するモジュール型マルチエージェントフレームワークであるDynaMateを紹介する。
論文参考訳（メタデータ） (2025-12-10T19:40:51Z)
Simple Agents Outperform Experts in Biomedical Imaging Workflow Optimization [69.36509281190662]
生産レベルのコンピュータビジョンツールを科学データセットに適応させることは、重要な"ラストマイル"ボトルネックである。我々は、AIエージェントを使ってこの手動コーディングを自動化し、最適なエージェント設計のオープンな問題に焦点を当てる。簡単なエージェントフレームワークが、人間-専門家のソリューションよりも優れた適応コードを生成することを実証する。
論文参考訳（メタデータ） (2025-12-02T18:42:26Z)
From Agentification to Self-Evolving Agentic AI for Wireless Networks: Concepts, Approaches, and Future Research Directions [70.72279728350763]
自律進化型エージェント人工知能(AI)は、将来の無線システムに新しいパラダイムを提供する。静的AIモデルとは異なり、自己進化エージェントは、モデルやツールを更新し、環境ダイナミクスに対応する自律進化サイクルを組み込む。本稿では,自己進化型エージェントAIの概要を概説し,その階層化アーキテクチャ,ライフサイクル,鍵となる技術について述べる。
論文参考訳（メタデータ） (2025-10-07T05:45:25Z)
A Comprehensive Survey of Self-Evolving AI Agents: A New Paradigm Bridging Foundation Models and Lifelong Agentic Systems [53.37728204835912]
既存のAIシステムは、デプロイ後も静的な手作業による構成に依存している。近年,インタラクションデータと環境フィードバックに基づいてエージェントシステムを自動拡張するエージェント進化手法が研究されている。この調査は、自己進化型AIエージェントの体系的な理解を研究者や実践者に提供することを目的としている。
論文参考訳（メタデータ） (2025-08-10T16:07:32Z)
SEAgent: Self-Evolving Computer Use Agent with Autonomous Learning from Experience [71.82719117238307]
本稿では,コンピュータ利用エージェントが不慣れなソフトウェアとのインタラクションを通じて進化することを可能にするエージェント型自己進化フレームワークSEAgentを提案する。我々は、OS-World内の5つの新しいソフトウェア環境におけるSEAgentの有効性を検証する。当社のアプローチは,競合するオープンソースCUAに比べて,11.3%から34.5%という,23.2%の大幅な改善を実現している。
論文参考訳（メタデータ） (2025-08-06T17:58:46Z)
A Survey of Self-Evolving Agents: On Path to Artificial Super Intelligence [87.08051686357206]
大きな言語モデル(LLM)は強力な能力を示しているが、基本的に静的である。 LLMはますますオープンでインタラクティブな環境にデプロイされているため、この静的な性質は重要なボトルネックとなっている。この調査は、自己進化エージェントの体系的で包括的なレビューを初めて提供する。
論文参考訳（メタデータ） (2025-07-28T17:59:05Z)
Agentic End-to-End De Novo Protein Design for Tailored Dynamics Using a Language Diffusion Model [0.5678271181959529]
VibeGenは、ノーマルモードの振動を条件としたエンド・ツー・エンドのデ・ノボタンパク質の設計を可能にする、ジェネレーティブなAIフレームワークである。我々の研究は、タンパク質のダイナミクスを生成タンパク質の設計に統合し、配列と振動の振舞いの直接的な双方向リンクを確立する。
論文参考訳（メタデータ） (2025-02-14T14:07:54Z)
ProtAgents: Protein discovery via large language model multi-agent collaborations combining physics and machine learning [0.0]
ProtAgentsは、Large Language Models (LLMs)に基づいたde novoタンパク質設計のためのプラットフォームである。異なる機能を持つ複数のAIエージェントは、動的環境内の複雑なタスクを協調的に処理する。エージェントを設計する柔軟性と、動的LLMベースのマルチエージェント環境による自律的なコラボレーション能力は、大きな可能性を秘めている。
論文参考訳（メタデータ） (2024-01-27T20:19:49Z)

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。