論文の概要: FunctionalAgent: Towards end-to-end on-top functional design
- arxiv url: http://arxiv.org/abs/2605.06215v1
- Date: Thu, 07 May 2026 13:16:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-08 22:27:11.824845
- Title: FunctionalAgent: Towards end-to-end on-top functional design
- Title（参考訳）: FunctionalAgent: エンドツーエンドの関数設計を目指して
- Authors: Yuhao Chen, Donald G. Truhlar, Xiao He,
- Abstract要約: FunctionalAgentは特別なサブエージェントのチームを編成し、開発プロセスをデータセット構築、アクティブスペース生成、MCSCF計算と記述子生成、損失関数構築、機能フィッティング、最適化、評価に分解する。
MC26は、同一のベンチマークデータセットで評価された他の手法と比較して、トレーニングセットの全体的な精度を実現するハイブリッドメタGGAオントップ関数である。
我々は、最適化されたトレーニングプロセスにより、トレーニングセットとテストセットの両方で最高のパフォーマンスを達成する新しい機能フォームであるCOF26を紹介する。
- 参考スコア（独自算出の注目度）: 7.9012744471981184
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multiconfiguration pair-density functional theory (MC-PDFT) offers an efficient and accurate framework for computing electronic energies in strongly correlated molecular systems, with the quality of the on-top functional being a key determinant of its predictive accuracy. Here we introduce FunctionalAgent, an agentic system for fully automated functional development. FunctionalAgent orchestrates a team of specialized sub-agents to decompose the development process into dataset construction, active-space generation, MCSCF calculation and descriptor generation, loss-function construction, and functional fitting, optimization, and evaluation, thereby linking all stages into a closed-loop automated workflow. Using FunctionalAgent, we developed MC26, a hybrid meta-GGA on-top functional that achieves improved overall accuracy on the training set compared with other methods evaluated on the same benchmark dataset. We further introduce COF26, a new functional form that, owing to the optimized training process, achieves the best performance on both the training and test sets.
- Abstract（参考訳）: MC-PDFT(Multiconfiguration pair-density functional theory)は、強い相関を持つ分子系の電子エネルギーを計算するための効率的かつ正確なフレームワークを提供する。
本稿では,完全自動機能開発のためのエージェントシステムであるFunctionalAgentを紹介する。
FunctionalAgentは特別なサブエージェントのチームを編成して、開発プロセスをデータセット構築、アクティブスペース生成、MCSCF計算と記述子生成、損失関数構築、機能フィッティング、最適化、評価に分解し、すべてのステージをクローズドループ自動化ワークフローにリンクする。
また,FunctionalAgentを用いてMC26を開発した。MC26は,同一のベンチマークデータセットで評価した他の手法と比較して,トレーニングセットの総合的精度を向上させる。
さらに、最適化されたトレーニングプロセスにより、トレーニングセットとテストセットの両方で最高のパフォーマンスを達成する新しい機能フォームであるCOF26を紹介します。
関連論文リスト
- Agentic Discovery of Exchange-Correlation Density Functionals [6.373702912974026]
正確な交換相関関数(XC)の開発は、密度汎関数理論(DFT)における長年の課題である。
大規模言語モデルの最近の進歩は、この人間駆動設計ループの体系的かつ自動化された代替手段を可能にする。
本稿では,LLMが進化史に導かれる構造的機能形態変化を提案するエージェント検索システムを提案する。
論文 参考訳（メタデータ） (2026-05-06T21:36:43Z) - VeriAgent: A Tool-Integrated Multi-Agent System with Evolving Memory for PPA-Aware RTL Code Generation [52.43796056267479]
高品質なベリログコード生成のためのPPA対応ツール統合マルチエージェントフレームワークを提案する。
当社のフレームワークでは,EDAツールをtextitProgrammer Agent, textitCorrectness Agent, textitPPA Agentで構成されるクローズドループワークフローに明示的に組み込んでいる。
モデル再トレーニングなしに継続的な改善をサポートするために,構造化メモリノードに最適化エクスペリエンスを外部化するtextitEvolved Memory Mechanismを導入する。
論文 参考訳（メタデータ） (2026-03-18T11:25:40Z) - EigenData: A Self-Evolving Multi-Agent Platform for Function-Calling Data Synthesis, Auditing, and Repair [18.22665454212814]
EigenDataは統合された自己進化型プラットフォームで、マルチエージェントアーキテクチャを通じて完全なデータライフサイクルを自動化する。
我々はEigenDataをBFCL-V3(Berkeley Function-Calling Leaderboard)の監査と修復に応用する。
提案手法は, 結果認識指標と組み合わせて, 機能的正当性の人的判断と有意に相関するモデルランキングを生成できることを実証する。
論文 参考訳（メタデータ） (2026-03-05T04:58:38Z) - Team of Thoughts: Efficient Test-time Scaling of Agentic Systems through Orchestrated Tool Calling [11.13437934037871]
オーケストレータ・ツール・パラダイムによる異種エージェントの補完機能を活用した,新しいマルチエージェントシステム(MAS)であるTeam-of-Thoughtsを紹介する。
本フレームワークでは,(1)コーディネート能力の優れたモデルを特定するオーケストレータキャリブレーション方式,(2)自己評価プロトコルという,パフォーマンスを最適化する2つの重要なメカニズムを導入している。
5つの推論とコード生成ベンチマークの実験は、Team-of-Thoughtsが一貫して優れたタスクパフォーマンスを提供することを示している。
論文 参考訳（メタデータ） (2026-02-18T14:19:01Z) - 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) - Function-on-Function Bayesian Optimization [5.200476666831395]
本稿では,入力と出力の両方が関数である目的に対応するために,新しい関数オンファンクションベイズ最適化(FFBO)フレームワークを提案する。
合成および実世界のデータに関する実験は、既存の手法よりもFFBOの優れた性能を示している。
論文 参考訳（メタデータ） (2025-11-16T21:24:57Z) - Agentic Predictor: Performance Prediction for Agentic Workflows via Multi-View Encoding [56.565200973244146]
Agentic Predictorは、効率的なエージェントワークフロー評価のための軽量な予測器である。
Agentic Predictorはタスク成功率の近似を学ぶことで、最適なエージェントワークフロー構成の迅速かつ正確な選択を可能にする。
論文 参考訳（メタデータ） (2025-05-26T09:46:50Z) - On the practical applicability of modern DFT functionals for chemical computations. Case study of DM21 applicability for geometry optimization [55.88862563823878]
本研究は,分子量予測におけるDM21関数の効率評価に焦点をあてる。
幾何最適化問題におけるDM21関数に対するPySCFの幾何最適化を実装した。
本研究は,DFTにおける幾何最適化におけるニューラルネットワーク機能の可能性と現状の課題を明らかにするものである。
論文 参考訳（メタデータ） (2025-01-21T14:01:06Z) - ComfyBench: Benchmarking LLM-based Agents in ComfyUI for Autonomously Designing Collaborative AI Systems [80.69865295743149]
この研究は、LLMベースのエージェントを使用して、協調AIシステムを自律的に設計する試みである。
ComfyBenchをベースとしたComfyAgentは,エージェントが自律的に協調的なAIシステムを生成して設計できるようにするフレームワークである。
ComfyAgentは、o1-previewに匹敵する解像度を達成し、ComfyBenchの他のエージェントをはるかに上回っているが、ComfyAgentはクリエイティブタスクの15%しか解決していない。
論文 参考訳（メタデータ） (2024-09-02T17:44:10Z) - Towards Learning Universal Hyperparameter Optimizers with Transformers [57.35920571605559]
我々は,テキストベースのトランスフォーマーHPOフレームワークであるOptFormerを紹介した。
実験の結果,OptFormerは少なくとも7種類のHPOアルゴリズムを模倣できることがわかった。
論文 参考訳（メタデータ） (2022-05-26T12:51:32Z) - Hierarchical Collaborative Hyper-parameter Tuning [0.0]
ハイパーパラメータチューニングは、機械学習ソリューションを構築する上で最も重要なステージのひとつだ。
本稿では,マルチエージェントシステムを用いて近似値を決定する分散手法を提案する。
論文 参考訳（メタデータ） (2022-05-11T05:16:57Z)
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。