論文の概要: MolClaw: An Autonomous Agent with Hierarchical Skills for Drug Molecule Evaluation, Screening, and Optimization
- arxiv url: http://arxiv.org/abs/2604.21937v1
- Date: Thu, 02 Apr 2026 09:27:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-04 02:32:14.146178
- Title: MolClaw: An Autonomous Agent with Hierarchical Skills for Drug Molecule Evaluation, Screening, and Optimization
- Title（参考訳）: MolClaw: 薬物分子の評価、スクリーニング、最適化のための階層的なスキルを持つ自律エージェント
- Authors: Lisheng Zhang, Lilong Wang, Xiangyu Sun, Wei Tang, Haoyang Su, Yuehui Qian, Qikui Yang, Qingsong Li, Zhenyu Tang, Haoran Sun, Yingnan Han, Yankai Jiang, Wenjie Lou, Bowen Zhou, Xiaosong Wang, Lei Bai, Zhengwei Xie,
- Abstract要約: MolClawは、薬物分子の評価、スクリーニング、最適化を導く自律エージェントである。
3階層の階層的スキルアーキテクチャを通じて、30以上の専門的なドメインリソースを統一する。
MolClawはすべてのメトリクスで最先端のパフォーマンスを達成する。
- 参考スコア（独自算出の注目度）: 33.79201734694036
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Computational drug discovery, particularly the complex workflows of drug molecule screening and optimization, requires orchestrating dozens of specialized tools in multi-step workflows, yet current AI agents struggle to maintain robust performance and consistently underperform in these high-complexity scenarios. Here we present MolClaw, an autonomous agent that leads drug molecule evaluation, screening, and optimization. It unifies over 30 specialized domain resources through a three-tier hierarchical skill architecture (70 skills in total) that facilitates agent long-term interaction at runtime: tool-level skills standardize atomic operations, workflow-level skills compose them into validated pipelines with quality check and reflection, and a discipline-level skill supplies scientific principles governing planning and verification across all scenarios in the field. Additionally, we introduce MolBench, a benchmark comprising molecular screening, optimization, and end-to-end discovery challenges spanning 8 to 50+ sequential tool calls. MolClaw achieves state-of-the-art performance across all metrics, and ablation studies confirm that gains concentrate on tasks that demand structured workflows while vanishing on those solvable with ad hoc scripting, establishing workflow orchestration competence as the primary capability bottleneck for AI-driven drug discovery.
- Abstract（参考訳）: 計算薬物発見、特に薬物分子スクリーニングと最適化の複雑なワークフローは、多段階ワークフローにおいて数十の特殊なツールを編成する必要があるが、現在のAIエージェントは、堅牢なパフォーマンスを維持するのに苦労し、これらの高複雑さシナリオでは一貫してパフォーマンスが低下している。
ここでは、薬物分子の評価、スクリーニング、最適化を導く自律的なエージェントであるMolClawを紹介する。
ツールレベルのスキル アトミックな操作を標準化し、ワークフローレベルのスキル 品質チェックとリフレクションを備えた検証パイプラインにそれらを構成し、規律レベルのスキルは、フィールドのすべてのシナリオで計画と検証を規定する科学的原則を提供します。
さらに、分子スクリーニング、最適化、および8から50以上のシーケンシャルツールコールにまたがるエンドツーエンドの発見課題を含むベンチマークであるMolBenchを紹介する。
MolClawはすべてのメトリクスで最先端のパフォーマンスを実現し、アブレーションスタディでは、構造化ワークフローを必要とするタスクに集中し、アドホックなスクリプティングで解決可能なタスクを排除し、AI駆動の薬物発見の最大のボトルネックとしてワークフローオーケストレーション能力を確立する。
関連論文リスト
- Mozi: Governed Autonomy for Drug Discovery LLM Agents [21.429647382651677]
依存度の高い医薬品パイプラインでは、自律的なエージェントがしばしば再現不可能な軌道へと漂流する。
我々は、生成AIの柔軟性と計算生物学の決定論的厳密さを橋渡しする二重層アーキテクチャであるMoziを紹介する。
モジの大規模化学空間をナビゲートし、強い毒性フィルターを強制し、シリカ候補において高い競争力を発揮する能力を示す。
論文 参考訳（メタデータ） (2026-03-04T02:22:21Z) - DrugR: Optimizing Molecular Drugs through LLM-based Explicit Reasoning [24.70952870676648]
DrugRは、明示的で段階的な薬理学的推論を最適化プロセスに導入する、大きな言語モデルである。
提案手法は, ドメイン固有の事前学習, 逆データ工学による微調整, 自己バランス型多粒性強化学習を統合した。
実験結果から、Dr.Rは構造的類似性や標的結合親和性を損なうことなく、複数の特性を包括的に拡張できることが示された。
論文 参考訳（メタデータ） (2026-02-09T02:26:25Z) - El Agente Quntur: A research collaborator agent for quantum chemistry [7.99434095528425]
El Agente Qunturは階層型多エージェントAIシステムであり、計算量子化学の研究協力者として動作するように設計されている。
QunturはORCA 6.0で利用可能な計算の全範囲をサポートする。
計算化学の研究レベルでのエージェントシステムの進展と現在のボトルネックについて論じる。
論文 参考訳（メタデータ） (2026-02-04T18:38:50Z) - 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) - 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) - 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) - LoCoBench-Agent: An Interactive Benchmark for LLM Agents in Long-Context Software Engineering [90.84806758077536]
textbfLoCoBench-Agentは,大規模言語モデル(LLM)エージェントを現実的,長期的ソフトウェア工学で評価するための総合的な評価フレームワークである。
我々のフレームワークは、LoCoBenchの8000のシナリオを対話型エージェント環境に拡張し、マルチターン会話の体系的評価を可能にする。
我々のフレームワークは,8つの特殊なツール(ファイル操作,検索,コード解析)をエージェントに提供し,それを10Kから1Mトークンの範囲で評価する。
論文 参考訳（メタデータ） (2025-11-17T23:57:24Z) - DrugPilot: LLM-based Parameterized Reasoning Agent for Drug Discovery [54.79763887844838]
大規模言語モデル(LLM)と自律エージェントの統合は、自動推論とタスク実行を通じて科学的発見を促進する大きな可能性を秘めている。
本稿では,薬物発見におけるエンドツーエンド科学のために設計されたパラメータ化推論アーキテクチャを備えたLSMベースのエージェントシステムであるDrarmPilotを紹介する。
DrugPilot は ReAct や LoT のような最先端のエージェントよりも優れており、タスク完了率は98.0%、93.5%、64.0%である。
論文 参考訳（メタデータ） (2025-05-20T05:18:15Z) - El Agente: An Autonomous Agent for Quantum Chemistry [3.6593051631801106]
El Agente Qは、自然言語のユーザプロンプトから量子化学を生成し、実行するマルチエージェントシステムである。
El Agente Qは6つの大学レベルのコース演習と2つのケーススタディでベンチマークされ、堅牢な問題解決性能を示している。
論文 参考訳（メタデータ） (2025-05-05T09:07:22Z) - Benchmarking Agentic Workflow Generation [80.74757493266057]
複数面シナリオと複雑なグラフワークフロー構造を備えた統合ワークフロー生成ベンチマークであるWorfBenchを紹介する。
また,サブシーケンスとサブグラフマッチングアルゴリズムを利用したシステム評価プロトコルWorfEvalを提案する。
我々は、生成されたタスクが下流のタスクを強化し、推論中により少ない時間で優れたパフォーマンスを達成することを観察する。
論文 参考訳（メタデータ） (2024-10-10T12:41:19Z)
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。