論文の概要: Experiment-as-Code Labs: A Declarative Stack for AI-Driven Scientific Discovery

• arxiv url: http://arxiv.org/abs/2605.04375v1
• Date: Wed, 06 May 2026 00:50:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-07 18:41:07.588801
• Title: Experiment-as-Code Labs: A Declarative Stack for AI-Driven Scientific Discovery
• Title（参考訳）: Experiment-as-Code Labs: AI駆動の科学的発見のための宣言的なスタック
• Abstract要約: 我々はExperiment-as-Code (EaC) Labs'と呼ばれる新しいパラダイムを提案する。 EaC Labsは、実験をデバイスレベルのAPIにコンパイル可能な宣言型構成としてエンコードする。 これは、科学、実験室、楽器に依存しない一般的なスタックです。
• 参考スコア（独自算出の注目度）: 16.75156456478123
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To unleash the full potential of AI for Science, we must untether the agents from a purely digital environment. The agent's ability to control and explore in real-world labs is essential because the physical lab remains foundational to scientific discovery. While some tasks can be performed on a computer (e.g., data analysis, running simulated experiments), Eureka moments could occur at any time while operating lab instruments (e.g., when a scientist notices unexpected clues, intuition may prompt a real-time course change). Although autonomous labs are on the rise, which expose programmable APIs to control scientific instruments via software, bridging the gap between increasingly powerful AI agents and automated lab equipment requires innovation that draws insights from computer systems. We propose a new paradigm called ``Experiment-as-Code (EaC) Labs,'' where a core concept is to encode experiments as declarative configurations that can be compiled down to device-level APIs. AI agents come up with hypotheses and experiments, written as an ensemble of declarative configurations. The systems layer performs program analysis, safety checks, resource assignment, and job orchestration. Finally, programmatic experimentation occurs via actuating the device APIs. This is a general stack that is science-, lab-, and instrument-independent, representing a novel synthesis across the physical, systems, and intelligence layers to unleash the next breakthrough in AI for Science.
• Abstract（参考訳）: AI for Scienceの可能性を解き放つためには、エージェントを純粋にデジタル環境から解き放つ必要がある。 物理実験室が科学的な発見の基礎を保っているため、エージェントが現実世界の研究室で制御し、探索する能力は不可欠である。 コンピュータ上で(例えば、データ分析、シミュレーション実験の実行など)タスクを実行できるが、実験機器を操作する場合、いつでもユーレカモーメントが発生する可能性がある(科学者が予期せぬ手がかりに気づくと、直感によってリアルタイムのコース変更が促される)。 自律的な実験室は、ソフトウェアを介して科学機器を制御するためのプログラム可能なAPIを公開しているが、ますます強力なAIエージェントと自動実験装置のギャップを埋めるには、コンピュータシステムから洞察を引き出すイノベーションが必要である。 デバイスレベルのAPIにコンパイル可能な宣言型コンフィギュレーションとして実験をエンコードする,‘experiment-as-Code(EaC) Labs’という,新たなパラダイムを提案する。 AIエージェントは、宣言的な構成の集合として書かれた仮説と実験を思いついた。 システム層は、プログラム分析、安全性チェック、リソース割り当て、ジョブオーケストレーションを実行する。 最後に、プログラム的な実験はデバイスAPIをアクティベートすることで行われる。 これは、科学、実験室、楽器に依存しない一般的なスタックで、物理層、システム層、知性層にまたがる新しい合成を表現し、AI for Scienceの次のブレークスルーを解き放つ。

関連論文リスト

• MIND: AI Co-Scientist for Material Research [13.842488789399743]
  MINDは科学的発見プロセスを仮説の洗練、実験、議論に基づく検証にまとめている。 実験的な検証のために、このシステムは機械学習の原子間ポテンシャルを統合する。 モジュラー設計により、さらなる実験モジュールを統合でき、より広範な科学的研究に適応できる。
  論文  参考訳（メタデータ） (2026-04-15T10:27:01Z)
• Bohrium + SciMaster: Building the Infrastructure and Ecosystem for Agentic Science at Scale [82.20980951765891]
  エージェントサイエンスのスケーリングにはインフラストラクチャ・アンド・エコシステムアプローチが必要である,と我々は主張する。 BohriumはAI4S資産のマネージドでトレース可能なハブとして機能し、多様な科学データ、ソフトウェア、計算、実験室のシステムをエージェント対応の能力に変換する。 SciMasterはこれらの機能を長い水平科学に編成し、科学エージェントを合成して実行することができる。
  論文  参考訳（メタデータ） (2025-12-23T16:04:41Z)
• AI4X Roadmap: Artificial Intelligence for the advancement of scientific pursuit and its future directions [65.44445343399126]
  我々は、生物学、化学、気候科学、数学、材料科学、物理学、自動運転研究所、非伝統的コンピューティングにまたがるAI可能な科学を考察する。 多様な信頼性のあるデータの必要性、伝達可能な電子構造と原子間モデル、AIシステムがエンドツーエンドの科学合成に統合される。 ドメイン全体にわたって、大規模な基礎モデル、アクティブラーニング、自動運転車研究所が、予測と検証の間のループを閉じる方法について強調する。
  論文  参考訳（メタデータ） (2025-11-26T02:10:28Z)
• LabOS: The AI-XR Co-Scientist That Sees and Works With Humans [51.025615465050635]
  LabOSは、計算推論と物理実験を結びつける最初のAI共同科学者である。 マルチモデルAIエージェント、スマートグラス、人間とAIのコラボレーションを接続することで、LabOSはAIが科学者が見ているものを確認し、実験コンテキストを理解し、リアルタイム実行を支援することができる。
  論文  参考訳（メタデータ） (2025-10-16T16:36:22Z)
• From Reproduction to Replication: Evaluating Research Agents with Progressive Code Masking [48.90371827091671]
  AutoExperimentは、AIエージェントの機械学習実験の実装と実行能力を評価するベンチマークである。 我々は最先端のエージェントを評価し、n$が増加するにつれて性能が急速に低下することを発見した。 本研究は、長期コード生成、文脈検索、自律的な実験実行における重要な課題を浮き彫りにした。
  論文  参考訳（メタデータ） (2025-06-24T15:39:20Z)
• Position: Intelligent Science Laboratory Requires the Integration of Cognitive and Embodied AI [98.19195693735487]
  知的科学研究所(ISL)のパラダイムを提案する。 ISLは、認知と具体的知性を深く統合した多層クローズドループフレームワークである。 このようなシステムは、現在の科学的発見の限界を克服するために不可欠である、と我々は主張する。
  論文  参考訳（メタデータ） (2025-06-24T13:31:44Z)
• The AI Cosmologist I: An Agentic System for Automated Data Analysis [0.0]
  AIの宇宙論者は、アイデア生成から実験評価、研究普及までの完全なパイプラインを実装している。 従来の自動機械学習システムとは異なり、AI Cosmoologistは多様な実装戦略を生成する。 その結果, エージェントシステムは研究プロセスの一部を自動化し, 科学的発見を加速させる可能性が示唆された。
  論文  参考訳（メタデータ） (2025-04-04T13:12:08Z)
• Scaling Laws in Scientific Discovery with AI and Robot Scientists [72.3420699173245]
  自律的なジェネラリスト科学者(AGS)の概念は、エージェントAIとエンボディロボットを組み合わせて、研究ライフサイクル全体を自動化している。 AGSは科学的発見に必要な時間と資源を大幅に削減することを目指している。 これらの自律的なシステムが研究プロセスにますます統合されるにつれて、科学的な発見が新しいスケーリング法則に従うかもしれないという仮説を立てる。
  論文  参考訳（メタデータ） (2025-03-28T14:00:27Z)
• NIMS-OS: An automation software to implement a closed loop between artificial intelligence and robotic experiments in materials science [1.9981375888949475]
  NIMS-OSは、人間の介入なしにロボット実験と人工知能(AI)のクローズドループを実現するために開発されたPythonライブラリである。 様々な組み合わせのモジュールを使って自律的に動作している。 NIMS自動ロボット電気化学実験(NAREE)と呼ばれるシステムは、ロボット実験装置のセットとして利用可能である。
  論文  参考訳（メタデータ） (2023-04-27T02:42:52Z)

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。