論文の概要: Competing with AI Scientists: Agent-Driven Approach to Astrophysics Research

• arxiv url: http://arxiv.org/abs/2604.09621v1
• Date: Wed, 18 Mar 2026 10:32:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-19 19:09:11.566617
• Title: Competing with AI Scientists: Agent-Driven Approach to Astrophysics Research
• Title（参考訳）: AI科学者との競争 - 天体物理学研究へのエージェント駆動アプローチ
• Authors: Thomas Borrett, Licong Xu, Andy Nilipour, Boris Bolliet, Sebastien Pierre, Erwan Allys, Celia Lecat, Biwei Dai, Po-Wen Chang, Wahid Bhimji,
• Abstract要約: 本稿では,科学データ解析のためのパラメータ推論パイプライン構築のためのエージェント駆動型アプローチを提案する。 提案手法では,マルチエージェントシステムであるCmbagentを活用して,研究アイデアの生成,コードの記述と実行,結果の評価,パイプライン全体の改良を反復的に行う。 ケーススタディとして、現実的な観測の不確実性を伴う堅牢な宇宙パラメーター推論に焦点を当てた、時間制約下での競争であるFAIR Universe Weak Lensing Uncertainity Challengeに適用する。
• 参考スコア（独自算出の注目度）: 1.940756743392918
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We present an agent-driven approach to the construction of parameter inference pipelines for scientific data analysis. Our method leverages a multi-agent system, Cmbagent (the analysis system of the AI scientist Denario), in which specialized agents collaborate to generate research ideas, write and execute code, evaluate results, and iteratively refine the overall pipeline. As a case study, we apply this approach to the FAIR Universe Weak Lensing Uncertainty Challenge, a competition under time constraints focused on robust cosmological parameter inference with realistic observational uncertainties. While the fully autonomous exploration initially did not reach expert-level performance, the integration of human intervention enabled our agent-driven workflow to achieve a first-place result in the challenge. This demonstrates that semi-autonomous agentic systems can compete with, and in some cases surpass, expert solutions. We describe our workflow in detail, including both the autonomous and semi-autonomous exploration by Cmbagent. Our final inference pipeline utilizes parameter-efficient convolutional neural networks, likelihood calibration over a known parameter grid, and multiple regularization techniques. Our results suggest that agent-driven research workflows can provide a scalable framework to rapidly explore and construct pipelines for inference problems.
• Abstract（参考訳）: 本稿では,科学データ解析のためのパラメータ推論パイプライン構築のためのエージェント駆動型アプローチを提案する。 提案手法はCmbagent(AI科学者Denarioの分析システム)というマルチエージェントシステムを利用して,研究アイデアの生成,コードの記述と実行,結果の評価,パイプライン全体の反復的改良を行う。 ケーススタディとして、現実的な観測の不確実性を伴う堅牢な宇宙パラメーター推論に焦点を当てた、時間制約下での競争であるFAIR Universe Weak Lensing Uncertainity Challengeに適用する。 完全な自律的な探索は、当初は専門家レベルのパフォーマンスには達しなかったが、人間の介入の統合によって、エージェント駆動のワークフローによって、この課題の第一位の結果が得られました。 このことは、半自律的なエージェントシステムが専門家のソリューションと競合し、場合によっては超えることができることを示している。 Cmbagentによる自律的および半自律的な探索を含む、私たちのワークフローを詳しく説明します。 最終的な推論パイプラインは、パラメータ効率のよい畳み込みニューラルネットワーク、既知のパラメータグリッドの校正、複数の正規化技術を利用する。 この結果から,エージェント駆動型研究ワークフローは,推論問題に対するパイプラインを迅速に探索,構築するためのスケーラブルなフレームワークを提供する可能性が示唆された。

関連論文リスト

• Transforming Behavioral Neuroscience Discovery with In-Context Learning and AI-Enhanced Tensor Methods [5.319819085855185]
  私たちは、チーム内のドメインの専門家が実験データから洞察を得られるように、変革と加速するために設計されたAI強化パイプラインの例を紹介します。 手元にある応用は行動神経科学の分野において、マウスの恐怖の一般化を研究することである。 ドメインエキスパートがAIモデルのトレーニングや微調整を必要とせず、パイプラインの一部を自動化するのに適したインターフェースとして、ICL(In-Context Learning)の新たなパラダイムを特定します。
  論文  参考訳（メタデータ） (2026-02-19T02:47:46Z)
• Opportunities in AI/ML for the Rubin LSST Dark Energy Science Collaboration [63.61423859450929]
  この白書は、DESCの主要な宇宙探査と横断的分析を通して、AI/MLの現在の状況を調査している。 本研究では,大規模ベイズ推定,物理インフォームド手法,検証フレームワーク,発見のための能動的学習など,主要な方法論研究の優先事項を明らかにする。
  論文  参考訳（メタデータ） (2026-01-20T18:46:42Z)
• SelfAI: Building a Self-Training AI System with LLM Agents [79.10991818561907]
  SelfAIは、高レベルの研究目的を標準化された実験構成に変換するためのUser Agentを組み合わせた、一般的なマルチエージェントプラットフォームである。 実験マネージャは、連続的なフィードバックのための構造化知識ベースを維持しながら、異種ハードウェアをまたいだ並列かつフォールトトレラントなトレーニングを編成する。 回帰、コンピュータビジョン、科学計算、医用画像、薬物発見ベンチマークなどを通じて、SelfAIは一貫して高いパフォーマンスを達成し、冗長な試行を減らしている。
  論文  参考訳（メタデータ） (2025-11-29T09:18:39Z)
• WebResearcher: Unleashing unbounded reasoning capability in Long-Horizon Agents [72.28593628378991]
  WebResearcherは、マルコフ決定プロセスとしてディープリサーチを再構築する反復的なディープリサーチパラダイムである。 WebResearcherは最先端のパフォーマンスを実現し、フロンティアのプロプライエタリシステムを超えています。
  論文  参考訳（メタデータ） (2025-09-16T17:57:17Z)
• Causal-Copilot: An Autonomous Causal Analysis Agent [25.5944359329613]
  Causal-Copilotは、専門家レベルの因果分析を運用する自律エージェントである。 自然言語によるインタラクティブな洗練をサポートし、非専門主義者の障壁を低くする。 私たちのシステムは、ドメインエキスパートのための高度な因果的手法へのアクセスを拡大する、活発なサイクルを育みます。
  論文  参考訳（メタデータ） (2025-04-17T18:05:39Z)
• Multi-Agent Sampling: Scaling Inference Compute for Data Synthesis with Tree Search-Based Agentic Collaboration [81.45763823762682]
  本研究の目的は,マルチエージェントサンプリングによるデータ合成の問題を調べることでギャップを埋めることである。 逐次サンプリングプロセス中にワークフローが反復的に進化する木探索に基づくオーケストレーションエージェント(TOA)を紹介する。 アライメント、機械翻訳、数学的推論に関する実験は、マルチエージェントサンプリングが推論計算スケールとしてシングルエージェントサンプリングを著しく上回ることを示した。
  論文  参考訳（メタデータ） (2024-12-22T15:16:44Z)

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。