論文の概要: SimMOF: AI agent for Automated MOF Simulations

• arxiv url: http://arxiv.org/abs/2603.29152v1
• Date: Tue, 31 Mar 2026 02:08:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:03.039253
• Title: SimMOF: AI agent for Automated MOF Simulations
• Title（参考訳）: SimMOF: 自動MOFシミュレーションのためのAIエージェント
• Authors: Jaewoong Lee, Taeun Bae, Jihan Kim,
• Abstract要約: 金属-有機フレームワーク(MOF)は広大な設計空間を提供する。 SimMOFは、自然言語クエリからエンドツーエンドのMOFシミュレーションを変換する、大規模言語モデルベースのマルチエージェントフレームワークを自動化する。 SimMOF のユーザリクエストを依存性を意識した計画に入力し、実行可能な入力を生成し、シミュレーションを実行するために複数のエージェントを編成し、ユーザクエリに整合した結果を要約する。
• 参考スコア（独自算出の注目度）: 1.5280683380195148
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Metal-organic frameworks (MOFs) offer a vast design space, and as such, computational simulations play a critical role in predicting their structural and physicochemical properties. However, MOF simulations remain difficult to access because reliable analysis require expert decisions for workflow construction, parameter selection, tool interoperability, and the preparation of computational ready structures. Here, we introduce SimMOF, a large language model based multi agent framework that automates end-to-end MOF simulation workflows from natural language queries. SimMOF translates user requests into dependency aware plans, generates runnable inputs, orchestrates multiple agents to execute simulations, and summarizes results with analysis aligned to the user query. Through representative case studies, we show that SimMOF enables adaptive and cognitively autonomous workflows that reflect the iterative and decision driven behavior of human researchers and as such provides a scalable foundation for data driven MOF research.
• Abstract（参考訳）: 金属有機フレームワーク(MOF)は広大な設計空間を提供し、計算シミュレーションはそれらの構造的および物理化学的性質を予測する上で重要な役割を果たしている。 しかし、信頼性のある解析には、ワークフローの構成、パラメータの選択、ツールの相互運用性、計算可能な構造の作成などの専門家による決定が必要であるため、MOFシミュレーションはアクセスが難しいままである。 本稿では,自然言語クエリからエンドツーエンドのMOFシミュレーションワークフローを自動化する,大規模言語モデルに基づくマルチエージェントフレームワークであるSimMOFを紹介する。 SimMOFはユーザリクエストを依存性を意識した計画に変換し、実行可能な入力を生成し、シミュレーションを実行するために複数のエージェントを編成し、結果をユーザクエリに整合した分析で要約する。 代表的なケーススタディを通じて、SimMOFは人間の反復的・決定駆動的な振る舞いを反映した適応的・認知的自律的なワークフローを可能にし、データ駆動型MOF研究のスケーラブルな基盤を提供することを示す。

関連論文リスト

• 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)
• CFD-copilot: leveraging domain-adapted large language model and model context protocol to enhance simulation automation [6.71937346130764]
  CFD-copilotは、セットアップから後処理までの自然言語駆動CFDシミュレーションを容易にするために設計されたフレームワークである。 後処理では、外部ツールの実行からLCM推論を分離するオープンスタンダードであるMCP(Model context Protocol)を利用する。 この枠組みはNACA0012翼と3要素30P-30N翼を含むベンチマークで評価された。
  論文  参考訳（メタデータ） (2025-12-08T11:42:32Z)
• AgentSUMO: An Agentic Framework for Interactive Simulation Scenario Generation in SUMO via Large Language Models [4.892076282924386]
  本研究では,大規模言語モデルを用いた対話型シミュレーションシナリオ生成のためのエージェントフレームワークを提案する。 AgentSUMOは、ユーザの意図を解釈し、タスクの複雑さを評価し、パラメータを推測し、実行可能なシミュレーション計画を定式化する適応推論層を導入することで、命令駆動実行から離脱する。 ソウルとマンハッタンの都市ネットワークの実験では、エージェントワークフローは、非専門家のアクセシビリティを維持しながら、トラフィックフローのメトリクスを大幅に改善することを示した。
  論文  参考訳（メタデータ） (2025-11-10T07:46:12Z)
• YuLan-OneSim: Towards the Next Generation of Social Simulator with Large Language Models [50.35333054932747]
  本稿では,YuLan-OneSimというソーシャルシミュレータを紹介する。 ユーザは、シミュレータとの自然言語インタラクションを通じて、シミュレーションシナリオを記述し、洗練することができます。 我々は、経済学、社会学、政治、心理学、組織、人口統計学、法律、コミュニケーションを含む8つの領域にまたがる50のデフォルトシミュレーションシナリオを実装した。
  論文  参考訳（メタデータ） (2025-05-12T14:05:17Z)
• GausSim: Foreseeing Reality by Gaussian Simulator for Elastic Objects [55.02281855589641]
  GausSimは、ガウスカーネルを通して表現される現実の弾性物体の動的挙動をキャプチャするために設計された、ニューラルネットワークベースの新しいシミュレータである。 我々は連続体力学を活用し、各カーネルを連続体を表すCenter of Mass System (CMS)として扱う。 さらに、ガウスシムは質量や運動量保存のような明示的な物理制約を取り入れ、解釈可能な結果と堅牢で物理的に妥当なシミュレーションを確実にする。
  論文  参考訳（メタデータ） (2024-12-23T18:58:17Z)
• LLM Agent for Fire Dynamics Simulations [3.0031348283981987]
  FoamPilotはFireFOAMのユーザビリティを高めるために設計された概念実証エージェントである。 FireFOAM は OpenFOAM を用いて構築された火災力学と火災抑制シミュレーションの解法である。 FoamPilotは、コードインサイト、ケース構成、シミュレーション評価の3つのコア機能を提供する。
  論文  参考訳（メタデータ） (2024-12-22T20:03:35Z)
• FactorSim: Generative Simulation via Factorized Representation [14.849320460718591]
  本稿では,エージェントの訓練に使用できる言語入力から,コード中のフルシミュレーションを生成するFACTORSIMを提案する。 評価のために、我々は、強化学習環境におけるゼロショット転送を容易にするため、生成したシミュレーションコードの精度と有効性を評価できる生成シミュレーションベンチマークを導入する。 その結果、FACTORSIMは、即時アライメント(例えば、精度)、ゼロショット転送能力、人的評価に関するシミュレーションを生成する上で、既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-09-26T09:00:30Z)

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。