論文の概要: LLM-Guided Open Hypothesis Learning from Autonomous Scanning Probe Microscopy Experiments
- arxiv url: http://arxiv.org/abs/2605.06839v1
- Date: Thu, 07 May 2026 18:44:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-11 19:43:38.551226
- Title: LLM-Guided Open Hypothesis Learning from Autonomous Scanning Probe Microscopy Experiments
- Title（参考訳）: 自律走査型プローブ顕微鏡によるLLM誘導オープン仮説学習
- Authors: Boris Slautin, Utkarsh Pratiush, Yu Liu, Kamyar Barakati, Sergei Kalinin,
- Abstract要約: シンボル回帰と大規模言語モデルに基づく物理評価を組み合わせたオープンな仮説学習フレームワークを提案する。
本稿では,PZT薄膜における強誘電体ドメインスイッチングの自律型圧電力顕微鏡による計測について述べる。
- 参考スコア（独自算出の注目度）: 3.783505208172849
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous experimentation has transformed microscopy and materials discovery by enabling closed-loop optimization including imaging and spectroscopy tuning, strucutre property relationship discovery, and exploration of combinatorial libraries. However, most current workflows remain limited to selecting measurements within fixed objective or hypothesis spaces, rather than generating new physical models from experimental data. Here, we introduce an open hypothesis-learning framework that combines symbolic regression with large-language-model-based physical evaluation and implement it for autonomous scanning probe microscopy. Symbolic regression generates candidate analytical relationships directly from sparse measurements, while the language-model evaluator ranks these candidates according to physical plausibility, scaling behavior, and consistency with known mechanisms. We demonstrate the approach on autonomous piezoresponse force microscopy measurements of ferroelectric domain switching in a PZT thin film. Starting from five seed measurements, the workflow evolves from physically incomplete candidate expressions toward interpretable voltage-time growth laws consistent with kinetic domain-wall motion. This work extends autonomous microscopy from closed-loop optimization toward open hypothesis discovery, where candidate physical laws emerge from the experiment itself rather than being specified in advance. More broadly, the framework establishes a route for integrating symbolic regression, physical reasoning, and adaptive experimentation into hierarchical autonomous scientific workflows.
- Abstract（参考訳）: 自律的な実験は、顕微鏡と材料発見を変換し、イメージングと分光チューニング、ストレート特性関係発見、複合図書館の探索を含む閉ループ最適化を可能にした。
しかし、現在のワークフローのほとんどは、実験データから新しい物理モデルを生成するのではなく、固定された目的空間や仮説空間内での測定を選択することに限定されている。
本稿では,記号回帰と大言語モデルに基づく物理評価を組み合わせたオープンな仮説学習フレームワークを導入し,それを自律走査型プローブ顕微鏡に実装する。
記号回帰はスパース測定から直接候補分析関係を生成する一方、言語モデル評価器はこれらの候補を、物理的妥当性、スケーリングの振る舞い、既知のメカニズムとの整合性に応じてランク付けする。
本稿では,PZT薄膜における強誘電体ドメインスイッチングの自律型圧電力顕微鏡による計測について述べる。
5つのシード測定から始まるワークフローは、物理的に不完全な候補表現から、動力学的ドメインウォール運動と整合した解釈可能な電圧時間成長則へと進化する。
この研究は、クローズドループ最適化からオープン仮説発見まで、自律顕微鏡を拡張している。
より広範に、このフレームワークは、象徴的回帰、物理的推論、適応的な実験を階層的な自律的な科学ワークフローに統合するためのルートを確立する。
関連論文リスト
- Bridging the Simulation-to-Experiment Gap with Generative Models using Adversarial Distribution Alignment [51.246114581338865]
科学と工学における根本的な課題は、シミュレーションと実験のギャップである。
このギャップを埋めるデータ駆動型分散アライメントフレームワークを提案する。
本手法は,複数個の相関した観測可能値であっても,対象の観測可能分布を復元できることを実証する。
論文 参考訳（メタデータ） (2026-04-01T17:21:33Z) - 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) - MOOSE-Chem3: Toward Experiment-Guided Hypothesis Ranking via Simulated Experimental Feedback [136.27567671480156]
先行テストからのフィードバックに基づいて仮説を優先順位付けする実験誘導ランキングを導入する。
我々は、シーケンシャルな意思決定問題として実験誘導型ランキングを定めている。
我々のアプローチは、実験前のベースラインと強い改善を著しく上回る。
論文 参考訳（メタデータ） (2025-05-23T13:24:50Z) - Contextualizing biological perturbation experiments through language [3.704686482174365]
PerturbQAは摂動実験に対する構造化推論のベンチマークである。
我々は、摂動をモデル化するための最先端の機械学習と統計的アプローチを評価する。
本稿では,サマー(SUMMarize,retrievE, answeR),シンプルなドメインインフォームドLLMフレームワークを紹介する。
論文 参考訳（メタデータ） (2025-02-28T18:15:31Z) - Surrogate-based multiscale analysis of experiments on thermoplastic composites under off-axis loading [0.0]
偏軸荷重下での一方向熱可塑性複合材料上での定ひずみ速度とクリープ実験をモデル化するための代理型マルチスケールアプローチを提案する。
実験結果から, 単一スケールのマイクロメカニカルアプローチよりも広い範囲の環境において, 実験との整合性が示唆された。
論文 参考訳（メタデータ） (2025-01-17T13:39:10Z) - Real-time experiment-theory closed-loop interaction for autonomous materials science [10.983609710462844]
本稿では,自律機械検索エンジン(AMASE)を用いて,実験と計算予測の連続的連続的相互作用を自律的に行うことを実証する。
AMASEは自己誘導キャンペーンから、Sn-Biバイナリ薄膜システムの共晶相図を正確に決定することができた。
この研究では、人間の介入なしに行われた実験と理論のリアルタイム、自律的、反復的な相互作用の可能性が初めて実証された。
論文 参考訳（メタデータ） (2024-10-22T21:00:18Z) - Bayesian Co-navigation: Dynamic Designing of the Materials Digital Twins via Active Learning [1.1057473962658189]
自動および自律的な実験装置への理論の統合は、科学研究を加速するための重要な目標として浮上している。
本稿では,理論モデル空間と実験のベイズ的共ナビゲーションを通じて,理論をループに統合する手法を提案する。
ここでは強誘電体材料における機能応答の文脈で実証されているが、我々のアプローチはより広範な応用を約束する。
論文 参考訳（メタデータ） (2024-04-19T14:11:32Z) - Discovering Latent Causal Variables via Mechanism Sparsity: A New
Principle for Nonlinear ICA [81.4991350761909]
ICA(Independent component analysis)は、この目的を定式化し、実用的な応用のための推定手順を提供する手法の集合を指す。
潜伏変数は、潜伏機構をスパースに正則化すれば、置換まで復元可能であることを示す。
論文 参考訳（メタデータ） (2021-07-21T14:22:14Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳（メタデータ） (2021-02-12T12:23:13Z) - Towards an Automatic Analysis of CHO-K1 Suspension Growth in
Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。
具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文 参考訳（メタデータ） (2020-10-20T08:36:51Z)
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。