論文の概要: Structural Diversity Drives Disruptive Scientific Innovation

• arxiv url: http://arxiv.org/abs/2605.12514v1
• Date: Thu, 02 Apr 2026 02:15:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 12:34:33.767825
• Title: Structural Diversity Drives Disruptive Scientific Innovation
• Title（参考訳）: 構造的多様性は破壊的な科学革新を駆り立てる
• Authors: Yichun Peng, Saike He, Peijie Zhang, Kang Zhao, Yi Yang, Ning Zhang, Qingpeng Zhang, Daniel Dajun Zeng, Hao Peng,
• Abstract要約: 構造多様性(SD)は破壊的イノベーションの強力かつ堅牢な予測因子であることを示す。 SDがチームサイズと肯定的に相互作用し、よく知られた"スケールの曲線"を緩和できることに気付きました。 私たちの研究は、集団知性を体系的に設計して破壊的なイノベーションを育むための構造的な説明を提供する。
• 参考スコア（独自算出の注目度）: 24.938925352208546
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scientific innovation increasingly depends on collaboration, yet the organizational structure that fosters breakthrough ideas remains poorly understood. Existing metrics - such as team size or compositional diversity - capture readily observable characteristics but not the deeper architecture of collaboration. We introduce Structural Diversity (SD): the extent to which a team bridges multiple distinct knowledge communities within its prior collaboration network. Using a century-scale dataset of 260 million scientific publications (1900-2025) and combining causal inference with a quasi-natural experiment based on a U.S. National Science Foundation policy change in 2012, we show that SD is a powerful and robust predictor of disruptive innovation, outperforming traditional team novelty indicators such as team freshness and edge density. Moreover, SD positively interacts with team size and is able to mitigate the well-known "curse of scale" by transforming scale from a liability into a resource for creative synthesis. We find that one mechanism underlying this effect is Disciplinary Integration (DI): teams with higher SD can more effectively combine heterogeneous knowledge into novel configurations. Our findings position SD as both a new theoretical construct and an actionable design principle for organizing scientific collaboration. By linking the architecture of team assembly to the dynamics of creative discovery, our work offers a structural explanation for how collective intelligence can be systematically engineered to foster disruptive innovation.
• Abstract（参考訳）: 科学的イノベーションはコラボレーションにますます依存するが、ブレークスルーのアイデアを育む組織構造はいまだに理解されていない。 既存のメトリクス - チームのサイズや構成の多様性など - は、容易に観察可能な特性を捉えますが、コラボレーションのより深いアーキテクチャではありません。 構造的多様性(SD: Structure Diversity: Structure Diversity): チームが以前のコラボレーションネットワーク内で複数の異なる知識コミュニティを橋渡しする範囲。 2億6000万の科学出版物(1900-2025)の1世紀規模のデータセットを用いて、2012年の米国国立科学財団の政策変更に基づく疑似自然実験と因果推論を組み合わせることで、SDは破壊的なイノベーションの強力で堅牢な予測因子であり、チームフレッシュネスやエッジ密度といった従来のチームノベルティ指標よりも優れていることを示した。 さらに、SDはチームサイズと肯定的に相互作用し、責任から創造的な合成のためのリソースへとスケールを変換することで、よく知られた"スケールの曲線"を緩和することができる。 この効果の根底にある1つのメカニズムはディシプリナ・インテグレーション(DI: Disciplinary Integration)である。 本研究は,SDを新たな理論的構成と,科学的コラボレーションの組織化のための実用的な設計原理の両方と位置づけた。 チームアセンブリのアーキテクチャと創造的発見のダイナミクスを結びつけることで、我々の研究は、破壊的なイノベーションを促進するために集団知性をどのように体系的に設計するかという構造的な説明を提供する。

関連論文リスト

• Diversity Collapse in Multi-Agent LLM Systems: Structural Coupling and Collective Failure in Open-Ended Idea Generation [38.13720312846963]
  我々は、モデルインテリジェンス、エージェント認知、システムダイナミクスの3つのボトムアップレベルにおいて、MASに基づくアイデアの多様性について研究する。 これらの成果を,構造的結合から生じる集合的失敗として特徴づける。 この崩壊は,本質的なモデル不足というよりも,相互作用構造に起因していると考えられる。
  論文  参考訳（メタデータ） (2026-04-20T09:27:49Z)
• Towards a Science of Collective AI: LLM-based Multi-Agent Systems Need a Transition from Blind Trial-and-Error to Rigorous Science [70.3658845234978]
  大規模言語モデル(LLM)はマルチエージェントシステム(MAS)の機能を大幅に拡張した。 この急速な進歩にもかかわらず、この分野はいまだに実証的な試行錯誤に大きく依存している。 このボトルネックは、帰属の曖昧さに起因している。 本稿では,協調運転要因を体系的に同定する要因帰属パラダイムを提案する。
  論文  参考訳（メタデータ） (2026-02-05T04:19:52Z)
• Combinatorial Creativity: A New Frontier in Generalization Abilities [14.121904952399975]
  大規模言語モデル(LLM)における創造性のスケーリング挙動について検討する。 固定的な計算予算では、創造力に最適なモデル深さと幅が存在することが分かりました。 LLMは新たな科学的アイデアの創出に長けつつ,現実的な実現性確保に苦慮しているため,創造性アルゴリズムの基本的な新規性・実用性トレードオフ特性によって説明できる可能性が示唆された。
  論文  参考訳（メタデータ） (2025-09-25T11:48:37Z)
• Beyond Brainstorming: What Drives High-Quality Scientific Ideas? Lessons from Multi-Agent Collaboration [59.41889496960302]
  本稿では,構造化マルチエージェントの議論が独創的思考を超えうるかどうかを考察する。 研究提案を作成するための協調型マルチエージェントフレームワークを提案する。 エージェントベースのスコアリングと,新規性,戦略的ビジョン,統合深度といった領域にわたるヒューマンレビューを備えた包括的プロトコルを採用している。
  論文  参考訳（メタデータ） (2025-08-06T15:59:18Z)
• Subjective Perspectives within Learned Representations Predict High-Impact Innovation [5.849186636495808]
  測定された主観的視点は、個人やグループが創造的に参加し、将来うまく組み合わせられるかを予測する。 我々は自然実験を分析し、様々な視点と背景の多様性で設計されたAIエージェント間の創造的なコラボレーションをシミュレートする。
  論文  参考訳（メタデータ） (2025-06-05T04:18:53Z)
• 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)

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。