論文の概要: ColPackAgent: Agent-Skill-Guided Hard-Particle Monte Carlo Workflows for Colloidal Packing
- arxiv url: http://arxiv.org/abs/2605.15625v1
- Date: Fri, 15 May 2026 05:17:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-18 21:22:26.180206
- Title: ColPackAgent: Agent-Skill-Guided Hard-Particle Monte Carlo Workflows for Colloidal Packing
- Title（参考訳）: ColPackAgent:コロイドパッケージ用エージェントスキルガイド型ハードパーティクルモンテカルロワークフロー
- Authors: Lijie Ding, Changwoo Do,
- Abstract要約: ColPackAgentは、コロイドパッキングのモンテカルロシミュレーションを自律的に実行するエージェントフレームワークである。
Model Context Protocolツールサーバとエージェントスキルを活用することで、ColPackAgentはコロイドパッキングシミュレーションのための構造化ワークフローを実行する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce ColPackAgent, an agent framework that autonomously runs Monte Carlo simulations of colloidal packing through a Model Context Protocol (MCP) tool server and an agent skill, whether as a standalone agent or inside an existing agent system. By harnessing the MCP server and agent skill, ColPackAgent executes a structured workflow for colloidal packing simulations, which are central to studies of phase behavior, self-assembly, and materials design. Without dedicated simulation tools and workflow instructions, general-purpose Large Language Model (LLM) agents tend to describe such workflows rather than execute them reliably. The MCP server exposes a custom-built colpack Python package that wraps HOOMD-blue hard-particle Monte Carlo, and the skill encodes a four-stage workflow contract. ColPackAgent can carry out the workflow interactively with human feedback, autonomously from an end-to-end prompt, or as autoresearch following a provided program file. We demonstrate the system in different modes with several colloidal packing simulation examples such as cube particles in 3D, a binary system of disks and capsules in 2D, and the 2D hard-disk freezing transition using autoresearch. We also compare model performance on this workflow across a panel of LLMs with 17 stage-specific prompts. This benchmark provides a stage-level check of how reliably different models follow the setup, planning, and analysis workflow. Together, these results show that pairing a domain Python package with MCP tools and a portable agent skill provides a practical route for turning a simulation toolkit into an agent-assisted research workflow.
- Abstract（参考訳）: モデルコンテキストプロトコル(MCP)ツールサーバを介してコロイドパッキングのモンテカルロシミュレーションを自律的に実行するエージェントフレームワークであるColPackAgentを紹介する。
MCPサーバとエージェントスキルを活用することで、ColPackAgentは、相挙動、自己組織化、材料設計の研究の中心となるコロイドパッキングシミュレーションのための構造化ワークフローを実行する。
専用のシミュレーションツールやワークフロー命令がなければ、汎用のLarge Language Model(LLM)エージェントはそれらを確実に実行するよりも、そのようなワークフローを記述する傾向がある。
MCPサーバは、HOOMDのハード粒子Monte CarloをラップするカスタムビルドのコパックPythonパッケージを公開し、スキルは4段階のワークフロー契約をエンコードする。
ColPackAgentは、人間のフィードバック、エンドツーエンドのプロンプトから自律的に、あるいは提供されるプログラムファイルに従って、ワークフローを対話的に実行することができる。
本研究では, 3次元の立方体粒子, 2次元の円盤とカプセルの連系, オートリサーチによる2次元のハードディスク凍結遷移などのコロイド充填シミュレーションの例を用いて, 異なるモードでシステムを実演する。
また、このワークフローのモデル性能を、LLMのパネルとステージ固有の17のプロンプトで比較する。
このベンチマークは、設定、計画、分析のワークフローに確実に異なるモデルがどのように従っているか、ステージレベルのチェックを提供する。
これらの結果は、ドメインPythonパッケージをMPPツールとペアリングし、ポータブルエージェントスキルがシミュレーションツールキットをエージェント支援研究ワークフローに変換するための実践的な経路を提供することを示している。
関連論文リスト
- AgentSPEX: An Agent SPecification and EXecution Language [17.439531520677594]
本稿では,明示的な制御フローとモジュール構造を持つエージェントフレームワークであるAgentSPEXを紹介する。
AgentSPEXは、型付きステップ、分岐とループ、並列実行、再利用可能なサブモジュール、明示的な状態管理をサポートする。
我々は、AgentSPEXが一般的なエージェントフレームワークよりも解釈可能でアクセシブルなワークフローオーサリングパラダイムを提供するというユーザスタディを通して示す。
論文 参考訳（メタデータ） (2026-04-14T23:16:25Z) - Foam-Agent 2.0: An End-to-End Composable Multi-Agent Framework for Automating CFD Simulation in OpenFOAM [3.8790078849619074]
我々は、単一の自然言語プロンプトからエンドツーエンドのOpenFOAMワークフロー全体を自動化するマルチエージェントフレームワークであるFoam-Agentを紹介した。
このフレームワークは、MCP(Model Context Protocol)を使用して、コア機能を独立した呼び出し可能なツールとして公開する。
110のシミュレーションタスクのベンチマークで、Foam-AgentはClaude 3.5 Sonnetで88.2%の成功率を達成した。
論文 参考訳（メタデータ） (2025-09-17T23:44:18Z) - ComfyGPT: A Self-Optimizing Multi-Agent System for Comprehensive ComfyUI Workflow Generation [96.44354750396019]
ComfyGPTはタスク記述に基づいてComfyUIを生成するように設計された自動最適化マルチエージェントシステムである。
FlowDatasetは、13,571のワークフロー記述ペアを含む大規模なデータセットである。
FlowBenchはワークフロー生成システムを評価するためのベンチマークである。
論文 参考訳（メタデータ） (2025-03-22T06:48:50Z) - PC-Agent: A Hierarchical Multi-Agent Collaboration Framework for Complex Task Automation on PC [98.82146219495792]
本稿では,PC-Agentという階層型エージェントフレームワークを提案する。
認識の観点からは,現在のMLLMのスクリーンショットコンテンツに対する認識能力の不十分さを克服するために,アクティブ知覚モジュール(APM)を考案する。
意思決定の観点から、複雑なユーザ命令や相互依存サブタスクをより効果的に扱うために、階層的なマルチエージェント協調アーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-02-20T05:41:55Z) - Multi-Agent Sampling: Scaling Inference Compute for Data Synthesis with Tree Search-Based Agentic Collaboration [81.45763823762682]
本研究の目的は,マルチエージェントサンプリングによるデータ合成の問題を調べることでギャップを埋めることである。
逐次サンプリングプロセス中にワークフローが反復的に進化する木探索に基づくオーケストレーションエージェント(TOA)を紹介する。
アライメント、機械翻訳、数学的推論に関する実験は、マルチエージェントサンプリングが推論計算スケールとしてシングルエージェントサンプリングを著しく上回ることを示した。
論文 参考訳（メタデータ） (2024-12-22T15:16:44Z) - 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) - Multipath agents for modular multitask ML systems [2.579908688646812]
提案した研究は、複数のメソッドを異なるエージェントとして定義できる新しい方法論を紹介した。
エージェントは、与えられたタスクに対するMLモデルの生成と改善のために協力し、競争することができる。
論文 参考訳（メタデータ） (2023-02-06T11:57:45Z) - Colmena: Scalable Machine-Learning-Based Steering of Ensemble
Simulations for High Performance Computing [3.5604179670745237]
オープンソースのPythonフレームワークであるColmenaを紹介します。
Colmenaはタスクディスパッチ、結果のコレーション、MLモデル呼び出し、MLモデル(再)トレーニングを処理し、Parslを使用してHPCシステム上でタスクを実行する。
コルメナの設計について述べるとともに, 電解質設計に応用して, 65536 CPUまでスケールアップし, 高速分子の発見速度を100倍に向上させる。
論文 参考訳（メタデータ） (2021-10-06T14:56:53Z)
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。