論文の概要: End-to-end autonomous scientific discovery on a real optical platform

• arxiv url: http://arxiv.org/abs/2604.27092v1
• Date: Wed, 29 Apr 2026 18:36:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:53.756891
• Title: End-to-end autonomous scientific discovery on a real optical platform
• Title（参考訳）: 本物の光学プラットフォーム上でのエンドツーエンドの自律的科学的発見
• Authors: Shuxing Yang, Fujia Chen, Rui Zhao, Junyao Wu, Yize Wang, Haiyao Luo, Ning Han, Qiaolu Chen, Yuze Hu, Wenhao Li, Mingzhu Li, Hongsheng Chen, Yihao Yang,
• Abstract要約: Qiushi Discovery Engineは、実際の光学プラットフォーム上でのエンドツーエンドの自律的な科学的発見のためのLLMベースのエージェントシステムである。 非原プラットフォーム上での伝達行列実験を再現し、抽象的コヒーレンス順序理論を実験的な可観測物に変換する。 これはAIエージェントシステムが、非自明で以前に報告されていない物理的メカニズムを自律的に識別し、実験的に検証する最初のデモンストレーションである。
• 参考スコア（独自算出の注目度）: 12.355486051983162
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scientific research has long been human-led, driving new knowledge and transformative technologies through the continual revision of questions, methods and claims as evidence accumulates. Although large language model (LLM)-based agents are beginning to move beyond assisting predefined research workflows, none has yet demonstrated end-to-end autonomous discovery in a real physical system that produces a nontrivial result supported by experimental evidence. Here we introduce Qiushi Discovery Engine, an LLM-based agentic system for end-to-end autonomous scientific discovery on a real optical platform. Qiushi Engine combines nonlinear research phases, Meta-Trace memory and a dual-layer architecture to maintain adaptive and stable research trajectories across long-horizon investigations involving thousands of LLM-mediated reasoning, measurement and revision actions. It autonomously reproduces a published transmission-matrix experiment on a non-original platform and converts an abstract coherence-order theory into experimental observables, providing, to our knowledge, the first observation of this class of coherence-order structure. More importantly, in an open-ended study involving 145.9 million tokens, 3,242 LLM calls, 1,242 tool calls, 163 research notes and 44 scripts, Qiushi Engine proposes and experimentally validates optical bilinear interaction, a physical mechanism structurally analogous to a core operation in Transformer attention. This AI-discovered mechanism suggests a route towards high-speed, energy-efficient optical hardware for pairwise computation. To our knowledge, this is the first demonstration of an AI agentic system autonomously identifying and experimentally validating a nontrivial, previously unreported physical mechanism, marking a milestone for research-level autonomous agents.
• Abstract（参考訳）: 科学的研究は長い間人間主導で行われており、証拠が蓄積するにつれて、質問、方法、クレームの継続的な改訂を通じて、新しい知識と革新的テクノロジーを推進してきた。 大規模言語モデル(LLM)ベースのエージェントは、事前に定義された研究ワークフローの補助を超えて動き始めているが、実験的な証拠によって支えられた非自明な結果を生み出す実際の物理的システムにおいて、エンドツーエンドの自律的な発見をまだ証明していない。 ここでは、実際の光学プラットフォーム上でのエンドツーエンドの自律的な科学的発見のためのLLMベースのエージェントシステムであるQiushi Discovery Engineを紹介する。 Qiushi Engineは、非線形研究フェーズ、Meta-Traceメモリ、デュアルレイヤアーキテクチャを組み合わせて、何千ものLSMによる推論、測定、リビジョンアクションを含む長期にわたる研究の軌道を適応的かつ安定的に維持する。 非原型プラットフォーム上で公表された伝達行列実験を自律的に再現し、抽象的コヒーレンス順序理論を実験的な可観測物に変換し、私たちの知識により、このタイプのコヒーレンス順序構造を初めて観察する。 さらに重要なことは、145.9百万のトークン、3,242のLSM呼び出し、1,242のツールコール、163のリサーチノートと44のスクリプトを含むオープンエンドの研究において、Qiushi Engineは、トランスフォーマーの注意におけるコア操作と構造的に類似した物理的メカニズムである光バイリニア相互作用を提案し、実験的に検証する。 このAI発見メカニズムは、ペア計算のための高速でエネルギー効率の高い光学ハードウェアへの道のりを示唆している。 私たちの知る限り、これはAIエージェントシステムが、非自明で以前に報告されていない物理的メカニズムを自律的に識別し、実験的に検証する最初のデモンストレーションであり、研究レベルの自律エージェントにとってのマイルストーンとなる。

関連論文リスト

• Towards grounded autonomous research: an end-to-end LLM mini research loop on published computational physics [3.7193230342956056]
  最近の自律型LLMエージェントは、機械学習研究のエンドツーエンドの自動化を実証している。 エージェントが論文を読み、それを再生し、批判し、拡張するミニリサーチループである。 このループは、スケールと深さの2つの相補的な条件でテストします。
  論文  参考訳（メタデータ） (2026-04-14T02:06:59Z)
• Towards a Medical AI Scientist [73.6056699962416]
  私たちは、臨床自律研究に特化した最初の自律的な研究フレームワークである、メディカルAIサイエンティストを紹介します。 このフレームワークは3つの研究モード、すなわち論文ベースの再現、文学にインスパイアされた革新、タスク駆動探索で動作する。 本システムでは,提案手法と実装の密接な整合性を実現するとともに,実行可能実験において極めて高い成功率を示す。
  論文  参考訳（メタデータ） (2026-03-30T15:37:25Z)
• Can we automatize scientific discovery in the cognitive sciences? [20.166894780789725]
  心のシリコ科学における完全自動化に向けてのパラダイムシフトを提案する。 このフレームワークは、Large Language Models (LLM)を使用して、発見サイクルのすべてのステージを実装する。
  論文  参考訳（メタデータ） (2026-03-22T00:15:58Z)
• OR-Agent: Bridging Evolutionary Search and Structured Research for Automated Algorithm Discovery [10.217363774023033]
  OR-Agentは、リッチな実験環境における自動探査のために設計されたマルチエージェントの研究フレームワークである。 本稿では,研究開始点の進化的選択,総合的な研究計画生成,研究ツリー内の協調探索を統一する進化的システム機構を提案する。 我々は古典的最適化ベンチマーク(走行セールスマン、静電容量化車両ルーティング、ビンパッキング、オリエンテーリング、および複数のクナップサック問題を含む)およびシミュレーションに基づく協調運転シナリオを含む実験を行う。
  論文  参考訳（メタデータ） (2026-02-14T13:32:03Z)
• 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)
• Autonomous Agents for Scientific Discovery: Orchestrating Scientists, Language, Code, and Physics [82.55776608452017]
  大規模言語モデル(LLM)は、人間の科学者、自然言語、コンピュータ言語とコード、物理学との相互作用を編成する柔軟性と汎用性を備えたフレームワークを提供する。 本稿では, LLMを基盤とした科学エージェントの展望と展望と, 科学発見のライフサイクルを変革する上でのその役割について述べる。 オープンな研究課題を特定し、より堅牢で汎用的で適応的な科学エージェントを構築するための有望な方向性を概説する。
  論文  参考訳（メタデータ） (2025-10-10T22:26:26Z)
• Operationalizing Serendipity: Multi-Agent AI Workflows for Enhanced Materials Characterization with Theory-in-the-Loop [0.0]
  SciLinkは、材料研究におけるセレンディピティーを運用するために設計された、オープンソースのマルチエージェント人工知能フレームワークである。 実験観察、新規性評価、理論シミュレーションの直接的な自動リンクを生成する。 本稿では,原子分解能およびハイパースペクトルデータへの応用,リアルタイムな人間専門家指導の統合能力,研究ループを閉じる能力について述べる。
  論文  参考訳（メタデータ） (2025-08-07T04:59:17Z)
• From Automation to Autonomy: A Survey on Large Language Models in Scientific Discovery [67.07598263346591]
  大規模言語モデル(LLM)は科学的発見のパラダイムシフトを触媒している。 この調査は、この急成長する分野を体系的に分析し、科学におけるLLMの役割の変化とエスカレーション能力に重点を置いている。
  論文  参考訳（メタデータ） (2025-05-19T15:41:32Z)
• Many Heads Are Better Than One: Improved Scientific Idea Generation by A LLM-Based Multi-Agent System [62.832818186789545]
  Virtual Scientists (VirSci) は、科学研究に固有のチームワークを模倣するために設計されたマルチエージェントシステムである。 VirSciは研究のアイデアを共同で生成し、評価し、洗練するエージェントのチームを組織している。 このマルチエージェントアプローチは、新しい科学的アイデアを生み出す上で、最先端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） (2024-10-12T07:16:22Z)
• On-the-fly Closed-loop Autonomous Materials Discovery via Bayesian Active Learning [12.021024778717575]
  我々は、高度な素材の発見に、クローズドループでアクティブな学習駆動型自律システムに焦点を当てる。 複雑で高度な材料を手元に配置できる自律的な研究手法を実証する。 このロボット科学は、ネットワーク上の科学を可能にし、科学者の経済的影響を研究室から物理的に切り離すことができる。
  論文  参考訳（メタデータ） (2020-06-11T01:26:24Z)

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。