論文の概要: From Prompts to Protocols: An AI Agent for Laboratory Automation
- arxiv url: http://arxiv.org/abs/2605.16552v1
- Date: Fri, 15 May 2026 18:52:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-19 17:57:46.691554
- Title: From Prompts to Protocols: An AI Agent for Laboratory Automation
- Title（参考訳）: PromptsからProtocolsへ:実験室自動化のためのAIエージェント
- Authors: Angelos Angelopoulos, James F. Cahoon, Ron Alterovitz,
- Abstract要約: 大規模な言語モデルと実験室オーケストレーションを統合したAIエージェントアーキテクチャを提案する。
AIエージェントは、自動検証とエラー訂正を備えたエージェントループの下で動作する。
プロトコルの作成、両方のプロトコルの実行と監視、クローズドループ最適化キャンペーンなど、完全な実験ライフサイクルをサポートする。
- 参考スコア（独自算出の注目度）: 1.9609766210591626
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automating science laboratories enables faster, safer, more accurate, and more reproducible execution of protocols, accelerating the discovery and testing of new materials, drugs, and more. However, setting up and running autonomous labs requires coordinating numerous instruments and robots, forcing scientists to write code, manage configuration files, and navigate complex software infrastructure. We present an AI agent architecture that integrates large language models with laboratory orchestration, enabling scientists to interactively create and monitor automated lab protocols using natural language. Integrated into the Experiment Orchestration System (EOS), the AI agent operates under an agentic loop with automated validation and error correction, and supports the complete experimental lifecycle: creating protocols, running and monitoring both protocols and closed-loop optimization campaigns, and analyzing results. A visual graph editor renders protocols as interactive node-based diagrams synchronized with the AI agent's protocol representation, enabling seamless alternation between AI-assisted and manual protocol construction. Evaluated on three simulated automated labs spanning chemistry, biology, and materials science, the AI agent achieves a 97% first-attempt protocol generation success rate and an order of magnitude reduction in required interface actions.
- Abstract（参考訳）: 科学研究所の自動化は、より速く、より安全で、より正確で、より再現可能なプロトコルの実行を可能にし、新しい材料や薬物の発見と試験を加速する。
しかし、自律的な実験室の設置と運営には、多くの機器やロボットを調整し、科学者にコードを書き、構成ファイルを管理し、複雑なソフトウェアインフラをナビゲートさせる必要がある。
本稿では,大規模言語モデルと実験室オーケストレーションを統合したAIエージェントアーキテクチャを提案する。
Experiment Orchestration System (EOS)に統合されたAIエージェントは、自動検証とエラー修正を備えたエージェントループの下で動作し、プロトコルの作成、プロトコルとクローズドループ最適化キャンペーンの両方の実行と監視、結果の分析といった完全な実験ライフサイクルをサポートする。
ビジュアルグラフエディタは、AIエージェントのプロトコル表現と同期された対話的なノードベースのダイアグラムとしてプロトコルをレンダリングする。
化学、生物学、材料科学にまたがる3つのシミュレーションされた自動実験室で評価され、AIエージェントは97%の初歩的なプロトコル生成の成功率と、必要なインターフェースアクションの桁数削減を達成する。
関連論文リスト
- BioProVLA-Agent: An Affordable, Protocol-Driven, Vision-Enhanced VLA-Enabled Embodied Multi-Agent System with Closed-Loop-Capable Reasoning for Biological Laboratory Manipulation [15.461936066333633]
BioProVLA-Agent(バイオプロVLA-Agent)は、生物学的操作のためのプロトコル駆動型、ビジョン駆動型多エージェントシステムである。
クローズドループワークフローでは、プロトコル解析、視覚的状態検証、具体的実行を統合している。
本研究では,15の原子タスク,6つの複合タスク,3つのバイマニュアルタスクを網羅した階層的ベンチマークによるシステム評価を行った。
論文 参考訳（メタデータ） (2026-05-08T06:15:40Z) - Sci-VLA: Agentic VLA Inference Plugin for Long-Horizon Tasks in Scientific Experiments [49.02509634515056]
最近のビジョン言語アクションモデルは、ロボット研究所にとって有望な基盤を提供する。
実験は通常、複数の原子タスクからなる長い水平タスクを含む。
科学的なタスクのために微調整されたVLAモデルは、原子実験的なアクションを確実に実行することができるが、これらの既知の原子のアクションを再順序付けして構成することによって形成される複合的なタスクの実行に失敗することが多い。
論文 参考訳（メタデータ） (2026-02-10T05:50:19Z) - PRISM: Protocol Refinement through Intelligent Simulation Modeling [4.839327116611717]
本稿では,実験プロトコルの設計,検証,実行を自動化するフレームワークであるPRISMを紹介する。
PRISMは言語モデルに基づくエージェントのセットを使用し、共同で実験的なステップを生成し、洗練する。
我々は、PRISMを言語ベースのプロトコル生成、シミュレーションベースの検証、自動ロボット実行をブリッジする実用的なエンドツーエンドワークフローとして実証する。
論文 参考訳（メタデータ） (2026-01-08T20:15:28Z) - 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) - Simple Agents Outperform Experts in Biomedical Imaging Workflow Optimization [69.36509281190662]
生産レベルのコンピュータビジョンツールを科学データセットに適応させることは、重要な"ラストマイル"ボトルネックである。
我々は、AIエージェントを使ってこの手動コーディングを自動化し、最適なエージェント設計のオープンな問題に焦点を当てる。
簡単なエージェントフレームワークが、人間-専門家のソリューションよりも優れた適応コードを生成することを実証する。
論文 参考訳（メタデータ） (2025-12-02T18:42:26Z) - 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) - AutoLabs: Cognitive Multi-Agent Systems with Self-Correction for Autonomous Chemical Experimentation [0.10999592665107412]
AutoLabsは、自然言語命令を自動で実行可能なプロトコルに変換するように設計された、自己修正型マルチエージェントアーキテクチャである。
複雑化に関する5つのベンチマーク実験を特徴とする総合評価フレームワークを提案する。
以上の結果から,エージェント推論能力が成功の最も重要な要因であることが示唆された。
論文 参考訳（メタデータ） (2025-09-30T01:51:46Z) - BioMARS: A Multi-Agent Robotic System for Autonomous Biological Experiments [8.317138109309967]
大規模言語モデル(LLM)と視覚言語モデル(VLM)は、自律的な実験を可能にすることによって生物学的研究を変革する可能性がある。
ここでは、LLM、VLM、モジュールロボットを統合し、自律的に設計、計画、実行を行うインテリジェントプラットフォームであるBioMARSを紹介する。
Webインターフェースはリアルタイムの人間とAIのコラボレーションを可能にし、モジュール化されたバックエンドは実験室のハードウェアとのスケーラブルな統合を可能にする。
論文 参考訳（メタデータ） (2025-07-02T08:47:02Z) - 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) - Accelerating drug discovery with Artificial: a whole-lab orchestration and scheduling system for self-driving labs [0.0]
自動運転ラボは、自動化されたAI誘導の実験を可能にすることで、薬物発見を変革している。
しかし、複雑なオーケストレーション、さまざまな楽器とAIモデルの統合、データの効率的な管理といった課題に直面している。
人工知能は、包括的なオーケストレーションとスケジューリングシステムでこれらの問題に対処する。
ラボの操作を統一し、自動化し、AIによる意思決定を統合する。
論文 参考訳（メタデータ） (2025-04-01T17:22:50Z) - Chemist-X: Large Language Model-empowered Agent for Reaction Condition Recommendation in Chemical Synthesis [55.30328162764292]
Chemist-Xは、化学合成における反応条件最適化(RCO)タスクを自動化する包括的なAIエージェントである。
このエージェントは、検索強化世代(RAG)技術とAI制御のウェットラブ実験を実行する。
我々の自動ウェットラブ実験の結果は、LLMが制御するエンドツーエンドの操作を、ロボットに人間がいない状態で行うことで達成され、Chemist-Xの自動運転実験における能力が証明された。
論文 参考訳（メタデータ） (2023-11-16T01:21:33Z)
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。