論文の概要: A self-evolving agent for explainable diagnosis of DFT-experiment band-gap mismatch

• arxiv url: http://arxiv.org/abs/2604.26703v1
• Date: Wed, 29 Apr 2026 14:11:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-30 15:59:36.436009
• Title: A self-evolving agent for explainable diagnosis of DFT-experiment band-gap mismatch
• Title（参考訳）: DFT-experiment band-gap mismatch の診断のための自己進化剤
• Authors: Yue Li, Bijun Tang,
• Abstract要約: 本稿では,ミスマッチを自動的に診断するクローズドループエージェントであるXDFTを紹介する。 検証された124項目のベンチマークでは、XDFTは90件中70件のミスマッチの解決メカニズムを特定している。
• 参考スコア（独自算出の注目度）: 3.3602370127893724
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Standard density functional theory (DFT) routinely misclassifies the electronic ground state of correlated and structurally complex compounds, predicting metallic behaviour for materials that experiments report as semiconductors. Each such mismatch encodes a specific non-ideality -- magnetic ordering, electron correlation, an alternative polymorph, or a defect -- that the calculation excluded, but extracting that signal at scale has remained a manual exercise. Here we introduce XDFT, a closed-loop agent that diagnoses the mismatch automatically: it draws candidate hypotheses from a curated catalogue, executes the corresponding first-principles tests, and updates a global Bayesian posterior over hypothesis usefulness from each verdict. On a verified benchmark of 124 materials, XDFT identifies a resolving mechanism for 70 of 90 mismatch cases (78\%), an order of magnitude above a uniform-random baseline (19\%) and a static LLM ordering (20\%). The internal posterior aligns with empirical performance over the benchmark timeline, and resolved cases collapse into a tri-partite element-class taxonomy that we distil into a four-line static rule. Each diagnosed material is returned with a corrected protocol and a mechanistic attribution; failed cases are flagged as evidence-backed targets for experimental re-examination.
• Abstract（参考訳）: 標準密度汎関数理論(Standard density functional theory, DFT)は、半導体として報告される材料に対する金属の挙動を予測し、相関化合物と構造複合化合物の電子基底状態を不規則に分類する。 それぞれのミスマッチは、特定の非理想性 -- 磁気秩序、電子相関、代替のポリモルフィック、欠陥 -- を符号化し、計算を除外するが、その信号の大規模抽出は手作業のままである。 ここでは、ミスマッチを自動的に診断するクローズドループエージェントであるXDFTを紹介します。これは、キュレートされたカタログから候補仮説を抽出し、対応する第一原理テストを実行し、各評定から仮説の有用性に対するグローバルベイズ的後続性を更新します。 検証された124項目のベンチマークでは、XDFTは90件中70件のミスマッチ(78 %)、均一ランダムベースライン(19 %)、静的LLM順序(20 %)の解決メカニズムを同定した。 内部の後方はベンチマーク・タイムライン上で経験的な性能と整合し、解決されたケースは3つの要素クラス分類に崩壊し、4行の静的な規則に乱れてしまう。 診断された各材料は、修正されたプロトコルと機械的属性で返却され、失敗したケースは、実験的な再検査のためにエビデンス支援されたターゲットとしてフラグ付けされる。

関連論文リスト

• Improving RCT-Based Treatment Effect Estimation Under Covariate Mismatch via Calibrated Alignment [0.0]
  本稿では,各ソースの特徴を共通表現空間にマッピングする埋め込み学習により,インプットを回避したCALMを提案する。 OSの結果モデルはRTT埋め込み空間に転送され、試行データを用いて校正され、ランダム化による因果同定が保存される。
  論文  参考訳（メタデータ） (2026-03-19T17:43:12Z)
• Theoretical Foundations of Latent Posterior Factors: Formal Guarantees for Multi-Evidence Reasoning [0.0]
  Latent Posterior Factors (LPF) は確率的予測タスクにおいて複数の異種証拠を集約するための原則的枠組みである。 LPFは各エビデンス項目を変分オートエンコーダを介してガウス潜在後部へエンコードし、後部をモンテカルロを経由してソフトファクタに変換し、正確なSum-Product Network Inference (LPF-PN) を介して集約する。 すべてのアグリゲータは、最大4,200のトレーニング例にまたがるデータセットに対して、経験的に検証されている。
  論文  参考訳（メタデータ） (2026-03-13T17:44:14Z)
• Information Fidelity in Tool-Using LLM Agents: A Martingale Analysis of the Model Context Protocol [69.11739400975445]
  モデルコンテキストプロトコル(MCP)エージェントにおけるエラー蓄積を解析するための最初の理論的枠組みを紹介する。 累積歪みが線形成長と高確率偏差を$O(sqrtT)$で表すことを示す。 主な発見は、意味重み付けは歪みを80%減らし、周期的再接地は、エラー制御の約9ステップごとに十分である。
  論文  参考訳（メタデータ） (2026-02-10T21:08:53Z)
• Calibrating Tabular Anomaly Detection via Optimal Transport [38.82475750342141]
  我々は,サンプル特異的キャリブレーションにより既存のTAD検出器を増強するモデルに依存しない後処理フレームワークであるCTAD(Calibrating Tabular Anomaly Detection)を提案する。 提案手法は,2つの相補分布,すなわちランダムサンプリングによる経験的分布とK平均セントロイドによる構造的分布を特徴付ける。 本研究は, OT距離が試験試料から遠心点までの距離に比例して低いことを証明し, 予測値よりも系統的に高い校正値が得られたことを証明した。
  論文  参考訳（メタデータ） (2026-02-06T15:58:22Z)
• A Sample Efficient Conditional Independence Test in the Presence of Discretization [54.047334792855345]
  離散化されたデータに直接条件付き独立テスト(CI)は、誤った結論につながる可能性がある。 最近の進歩は、観測データをバイナライズすることで、潜伏変数間の適切なCI関係を推測することを目指している。 そこで本研究では,バイナライゼーションプロセスに依存しないサンプル効率のCIテストを提案する。
  論文  参考訳（メタデータ） (2025-06-10T12:41:26Z)
• Fine-grained Abnormality Prompt Learning for Zero-shot Anomaly Detection [109.72772150095646]
  FAPromptは、精密なZSADのためのきめ細かい異常プロンプトを学習するために設計された新しいフレームワークである。 産業的欠陥と医療的異常の両方をカバーする19の実世界のデータセットの実験は、FAPromptが画像レベルのZSADタスクとピクセルレベルのZSADタスクの両方で最先端の手法を大幅に上回っていることを実証している。
  論文  参考訳（メタデータ） (2024-10-14T08:41:31Z)
• Model-based causal feature selection for general response types [8.228587135343071]
  Invariant causal prediction (ICP) は、不均一な設定からのデータを必要とする因果的特徴選択の手法である。 我々は変換モデル(TRAM)ベースのICPを開発し、連続的、分類的、カウント型、非形式的に検閲された応答を可能にする。 我々は、オープンソースのRパッケージ「tramicp」を提供し、シミュレーションデータに対する我々のアプローチを評価し、重篤な患者の生存の因果的特徴を調査する事例研究を行った。
  論文  参考訳（メタデータ） (2023-09-22T12:42:48Z)
• Generalizing electrocardiogram delineation: training convolutional neural networks with synthetic data augmentation [63.51064808536065]
  ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。 まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。 第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
  論文  参考訳（メタデータ） (2021-11-25T10:11:41Z)
• On the Double Descent of Random Features Models Trained with SGD [78.0918823643911]
  勾配降下(SGD)により最適化された高次元におけるランダム特徴(RF)回帰特性について検討する。 本研究では, RF回帰の高精度な非漸近誤差境界を, 定常および適応的なステップサイズSGD設定の下で導出する。 理論的にも経験的にも二重降下現象を観察する。
  論文  参考訳（メタデータ） (2021-10-13T17:47:39Z)
• A Unified Joint Maximum Mean Discrepancy for Domain Adaptation [73.44809425486767]
  本論文は,最適化が容易なjmmdの統一形式を理論的に導出する。 統合JMMDから、JMMDは分類に有利な特徴ラベル依存を低下させることを示す。 本稿では,その依存を促進する新たなmmd行列を提案し,ラベル分布シフトにロバストな新しいラベルカーネルを考案する。
  論文  参考訳（メタデータ） (2021-01-25T09:46:14Z)

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。