論文の概要: METASYMBO: Multi-Agent Language-Guided Metamaterial Discovery via Symbolic Latent Evolution

• arxiv url: http://arxiv.org/abs/2604.27300v1
• Date: Thu, 30 Apr 2026 01:22:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:53.863306
• Title: METASYMBO: Multi-Agent Language-Guided Metamaterial Discovery via Symbolic Latent Evolution
• Title（参考訳）: METASYMBO:記号潜在進化による多言語誘導メタマテリアル発見
• Authors: Jianpeng Chen, Wangzhi Zhan, Dongqi Fu, Junkai Zhang, Zian Jia, Ling Li, Wei Wang, Dawei Zhou,
• Abstract要約: MetaSymbOは言語誘導メタマテリアル発見のためのフレームワークである。 デザイナはフリーフォームの設計意図を解釈し、意味的に一貫性のある足場を取得する。 発電機は、非絡み合った潜在空間の候補ミクロ構造を合成する。 Supervisorは、反復的な改善のために高速なプロパティ認識フィードバックを提供する。
• 参考スコア（独自算出の注目度）: 22.353386897563343
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Metamaterial discovery seeks microstructured materials whose geometry induces targeted mechanical behavior. Existing inverse-design methods can efficiently generate candidates, but they typically require explicit numerical property targets and are less suitable for early-stage exploration, where researchers often begin with incomplete constraints and qualitative intents expressed in natural language. Large language models can interpret such intents, but they lack geometric awareness and physical property validity. To address this gap, we propose MetaSymbO, a multi-agent framework for language-guided Metamaterial discovery via Symbolic-driven latent evOlution. Specifically, MetaSymbO contains three agents: a Designer that interprets free-form design intents and retrieves a semantically consistent scaffold, a Generator that synthesizes candidate microstructures in a disentangled latent space, and a Supervisor that provides fast property-aware feedback for iterative refinement. To move beyond the limitations of reproducing known samples from literature and training data, we further introduce symbolic-driven latent evolution, which applies programmable operators over disentangled latent factors to compose, modify, and refine structures at inference time. Extensive experiments demonstrate that (i) MetaSymbO improves structural validity by up to 34% in symmetry and nearly 98% in periodicity compared to state-of-the-art baselines; (ii) MetaSymbO achieves about 6-7% higher language-guidance scores while maintaining superior structure novelty compared to advanced reasoning LLMs; (iii) qualitative analyses confirm the effectiveness of symbolic logic operators in enabling programmable semantic alignment; and (iv) realworld case studies on auxetic, high-stiffness metamaterial design further validate its practical capability.
• Abstract（参考訳）: メタマテリアル発見は、幾何学が標的となる機械的挙動を誘導する微細構造材料を求める。 既存の逆設計法は効率よく候補を生成することができるが、典型的には明示的な数値的な特性目標を必要とし、初期の探索には適さない。 大規模言語モデルはそのような意図を解釈できるが、幾何学的認識と物理的性質の妥当性は欠如している。 そこで本稿では,メタマテリアル発見のためのマルチエージェントフレームワークであるMetaSymbOを提案する。 特にMetaSymbOは、自由形式の設計意図を解釈し、意味的に一貫した足場を検索するデザイナ(Designer)、アンタングル空間で候補のマイクロ構造を合成するジェネレータ(Generator)、反復的な改善のために高速なプロパティ認識フィードバックを提供するスーパーバイザ(Supervisor)という3つのエージェントを含んでいる。 文献やトレーニングデータから既知のサンプルを再生する限界を超えて、さらに記号駆動の潜伏進化を導入し、非絡み合った潜伏因子に対してプログラム可能な演算子を適用して、推論時に構造を合成、修正、洗練する。 大規模な実験は (i)MetaSymbOは、最先端のベースラインと比較して、対称性が最大34%、周期性が約98%向上する。 (ii)MetaSymbOは、先進的推論LLMよりも優れた構造的ノベルティを維持しつつ、約6-7%高い言語指導スコアを達成している。 三 プログラム可能な意味的アライメントを可能にするための記号論理演算子の有効性を質的分析により確認すること。 (4) 補助的, 高剛性メタマテリアル設計における実世界のケーススタディは, その実用性をさらに検証している。

関連論文リスト

• A Systematic Survey and Benchmark of Deep Learning for Molecular Property Prediction in the Foundation Model Era [57.5440098776759]
  分子特性予測は、量子化学、化学情報学、深層学習を統合し、分子構造と生物学的挙動を結びつける。 この調査は、Quantum、Descriptor Machine Learning、Geometric Deep Learning、Foundation Modelsの4つの補完パラダイムをトレースする。 ベンチマーク分析は、広く使われているデータセットと業界的な視点を反映したデータセットの両方からエビデンスを統合する。
  論文  参考訳（メタデータ） (2026-04-17T15:16:33Z)
• OMNIFLOW: A Physics-Grounded Multimodal Agent for Generalized Scientific Reasoning [51.33849811496781]
  大規模言語モデル (LLM) は例外的な論理的推論能力を示しているが、部分微分方程式 (PDE) による連続力学としばしば競合する。 OMNIFLOWは, 領域固有のパラメータ更新を必要とせず, 基本物理法則で凍結LDMを基底として設計したマルチモーダルシンボリックアーキテクチャである。 我々は, 微視的乱流, 理論的ナビエ・ストークス, マクロ的世界天気予報のベンチマークでこれを評価した。
  論文  参考訳（メタデータ） (2026-03-16T18:29:01Z)
• Towards Agentic Intelligence for Materials Science [73.4576385477731]
  この調査は、コーパスキュレーションからプレトレーニングから、シミュレーションと実験プラットフォームに面した目標条件付きエージェントまで、ユニークなパイプライン中心の視点を推し進める。 コミュニティをブリッジし、参照の共有フレームを確立するために、まず、AIと材料科学をまたいだ用語、評価、ワークフローの段階を整列する統合レンズを提示する。
  論文  参考訳（メタデータ） (2026-01-29T23:48:43Z)
• Lost in Tokenization: Context as the Key to Unlocking Biomolecular Understanding in Scientific LLMs [78.18336140706471]
  Sci-LLMは、生物発見を加速するための有望なフロンティアとして登場した。 現在の戦略では生の生体分子配列を処理する際にSci-LLMの推論能力を制限する。 より効果的な戦略は、Sci-LLMに高レベルな構造化コンテキストを提供することである。
  論文  参考訳（メタデータ） (2025-10-27T09:03:21Z)
• MetaBench: A Multi-task Benchmark for Assessing LLMs in Metabolomics [23.71774159970153]
  LLM(Large Language Models)は、一般的なテキストで顕著な機能を示す。 メタボロミクスは、その複雑な生化学的経路、異種識別子システム、断片化されたデータベースで固有の課題を提示する。 メタボロミクス評価のための最初のベンチマークであるMetaBenchを紹介する。
  論文  参考訳（メタデータ） (2025-10-16T17:55:14Z)
• MetamatBench: Integrating Heterogeneous Data, Computational Tools, and Visual Interface for Metamaterial Discovery [35.74367505796871]
  3つのレベルで動作するMetamatBenchという統合フレームワークを導入します。 データレベルでは、5つの異質なマルチモーダルなメタマテリアルデータセットを統合し、標準化する。 MLレベルは、メタマテリアル発見のために17の最先端のMLメソッドを適用する包括的なツールキットを提供する。 ユーザレベルでは、複雑なML技術と非ML研究者のギャップを埋める、視覚的インタラクティブなインターフェースが特徴である。
  論文  参考訳（メタデータ） (2025-05-08T19:23:59Z)
• MetaScientist: A Human-AI Synergistic Framework for Automated Mechanical Metamaterial Design [39.56799107018762]
  我々は、高度なAI機能と専門家の監視を統合した、人間によるループシステムであるMetaScientistを紹介する。 各段階において、ドメインの専門家は、システムの出力を反復的に検証し、科学的原則と人間の嗜好との整合性を確保するためにフィードバックと補助材料を提供する。
  論文  参考訳（メタデータ） (2024-12-20T15:20:57Z)
• Reflection-Bench: Evaluating Epistemic Agency in Large Language Models [10.801745760525838]
  疫学エージェンシーは動的環境に関する信念を柔軟に構築し、適応し、監視する能力である。 リフレクション・ベンチ(Reflection-Bench)は,データ漏洩の長期的関連性と最小化を伴う7つのタスクからなるベンチマークである。 本研究は, コア認知機能の向上, クロスファンクショナルコーディネートの改善, 適応処理機構の開発など, 有望な研究の方向性を示唆する。
  論文  参考訳（メタデータ） (2024-10-21T17:59:50Z)
• Geometric Deep Learning for Structure-Based Drug Design: A Survey [83.87489798671155]
  構造に基づく薬物設計(SBDD)は、タンパク質の3次元幾何学を利用して、潜在的な薬物候補を特定する。 近年の幾何学的深層学習の進歩は、3次元幾何学的データを効果的に統合・処理し、この分野を前進させてきた。
  論文  参考訳（メタデータ） (2023-06-20T14:21:58Z)

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。