Fugu-MT 論文翻訳(概要): Experiments in Agentic AI for Science

論文の概要: Experiments in Agentic AI for Science

arxiv url: http://arxiv.org/abs/2605.26305v1
Date: Mon, 25 May 2026 19:57:57 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-27 17:51:41.393855
Title: Experiments in Agentic AI for Science
Title（参考訳）: エージェントAIによる科学実験
Authors: Judy Fox, Geoffrey Fox,
Abstract要約: 本稿では,自律型エージェントAIを科学研究で開発するための2つの新しい枠組みを詳述する。最初のエージェントであるDeepTS/DeepCollectorは、時系列データセットの大規模、抽出、重複を自動化する。 2つめのDeepScribeは、視覚的に密度が高く、数学的に複雑な物理講義を構造化された科学的レポートに変換する、自律的なプレゼンテーションである。
参考スコア（独自算出の注目度）: 0.005439329219803859
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper details two novel frameworks for developing autonomous, agentic AI in scientific workflows. Both systems leverage a hybrid Local Body, Remote Brain architecture via Google Colab, utilizing Python-based local orchestrators to invoke large language model (LLM) cloud backends. The first agent, DeepTS/DeepCollector, automates the large-scale curation, extraction, and deduplication of time-series datasets. The second, DeepScribe, is an autonomous presentation analyzer that converts visually dense, mathematically complex physics lectures into structured scientific reports. Through practical systems engineering-such as granular attribute extraction (Cellular RAG), remote data inspection, and distributed concurrency controls-we demonstrate how agentic AI can overcome the context and reasoning limitations of current state-of-the-art systems to rigorously support scientific workflows. Finally, we outline a generalization of DeepTS to support deep knowledge graphs and discuss the application of this conceptual approach to high-energy physics (DeepQCD).
Abstract（参考訳）: 本稿では,自律型エージェントAIを科学的ワークフローで開発するための2つの新しいフレームワークを詳述する。どちらのシステムも、Google Colab経由で、ハイブリッドのローカルボディ、リモートブレインアーキテクチャを活用し、Pythonベースのローカルオーケストレータを使用して、大規模言語モデル(LLM)クラウドバックエンドを起動する。最初のエージェントであるDeepTS/DeepCollectorは、時系列データセットの大規模なキュレーション、抽出、重複を自動化する。 2つめのDeepScribeは、視覚的に密度が高く、数学的に複雑な物理講義を構造化された科学レポートに変換する、自律的なプレゼンテーションアナライザだ。エージェントAIは,粒度属性抽出(Cellular RAG)やリモートデータ検査,分散並行処理制御など,現実的なシステムエンジニアリングを通じて,現在の最先端システムのコンテキストと推論の限界を克服し,科学的ワークフローを厳格に支援する方法について実証した。最後に、深部知識グラフをサポートするためのDeepTSの一般化を概説し、この概念的アプローチを高エネルギー物理学(DeepQCD)に適用することについて議論する。

関連論文リスト

Beyond AI as Assistants: Toward Autonomous Discovery in Cosmology [0.02455468619225742]
人工知能(AI)エージェントの最近の進歩は、自律的な科学的発見に向けたツールを超えて、AIを推し進めている。 textttCMBEvolve と textttCosmoEvolve の2つの相補的エージェントシステムについて論じる。宇宙論は、AI科学者システムの開発において、制御されたベンチマークタスクと現実的なオープンな研究課題の両方を提供することができるかを示す。
論文参考訳（メタデータ） (2026-05-14T12:58:12Z)
OpenQlaw: An Agentic AI Assistant for Analysis of 2D Quantum Materials [12.888415301529891]
本稿では,2次元材料分析のためのエージェントオーケストレーションシステムOpenQlawを紹介する。このアーキテクチャは、QuPAINTとNanoBotをベースに構築されている。
論文参考訳（メタデータ） (2026-03-17T18:25:37Z)
Agentic Artificial Intelligence (AI): Architectures, Taxonomies, and Evaluation of Large Language Model Agents [14.448267395835721]
エージェントを知覚,脳,計画,行動,ツール利用,コラボレーションに分割する統合分類法を提案する。また、デジタルオペレーティングシステム、エンボディロボット、その他の特殊なドメインを含む、これらのエージェントが動作する環境もグループ化します。
論文参考訳（メタデータ） (2026-01-18T19:51:16Z)
Advances and Frontiers of LLM-based Issue Resolution in Software Engineering: A Comprehensive Survey [59.3507264893654]
課題解決は、現実世界の開発に不可欠な複雑なソフトウェアエンジニアリングタスクです。 SWE-benchのようなベンチマークでは、このタスクは大規模言語モデルでは極めて困難であることが判明した。本稿では,この新興領域を体系的に調査する。
論文参考訳（メタデータ） (2026-01-15T18:55:03Z)
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)
Seismology modeling agent: A smart assistant for geophysical researchers [14.28965530601497]
本稿では,Large Language Models (LLM) を利用したインテリジェントな対話型ワークフローを提案する。 SPECFEMのための最初のモデルコンテキストプロトコル(MCP)サーバスイートを紹介する。このフレームワークは、完全な自動実行とHuman-in-the-loopコラボレーションの両方をサポートする。
論文参考訳（メタデータ） (2025-12-16T14:18:26Z)
Enterprise Deep Research: Steerable Multi-Agent Deep Research for Enterprise Analytics [75.4712507893024]
Enterprise Deep Research (EDR)は、適応的なクエリ分解のためのマスタープランニングエージェントを統合するマルチエージェントシステムである。 4つの専門的な検索エージェント(General, Academic, GitHub, LinkedIn)と、データ駆動インサイトのための可視化エージェントも含まれている。 EDRは、オプショナル・イン・ザ・ループ・ステアリング・ガイダンスによる研究の方向性を反映する。
論文参考訳（メタデータ） (2025-10-20T17:55:11Z)
Agentic AI for Multi-Stage Physics Experiments at a Large-Scale User Facility Particle Accelerator [0.26097841018267615]
Advanced Light Sourceの粒子加速器で実装されたこのシステムは、自然言語のユーザプロンプトを構造化された実行計画に変換する。機械物理の代表的な課題として,手作業によるスクリプティングと比較して,準備時間が2桁短縮されたことを示す。その結果、エージェントAIを加速器実験に安全に統合するための青写真が確立され、機械物理学の研究が要求される。
論文参考訳（メタデータ） (2025-09-21T22:11:03Z)
Spider2-V: How Far Are Multimodal Agents From Automating Data Science and Engineering Workflows? [73.81908518992161]
我々は、プロのデータサイエンスとエンジニアリングに焦点を当てた最初のマルチモーダルエージェントベンチマークであるSpider2-Vを紹介する。 Spider2-Vは、本物のコンピュータ環境における現実世界のタスクを特徴とし、20のエンタープライズレベルのプロフェッショナルアプリケーションを組み込んでいる。これらのタスクは、エンタープライズデータソフトウェアシステムにおいて、コードを書き、GUIを管理することで、マルチモーダルエージェントがデータ関連のタスクを実行する能力を評価する。
論文参考訳（メタデータ） (2024-07-15T17:54:37Z)
DLSIA: Deep Learning for Scientific Image Analysis [45.81637398863868]
DLSIAはPythonベースの機械学習ライブラリで、さまざまな科学的領域にまたがって、さまざまなカスタマイズ可能な畳み込みニューラルネットワーク(CNN)アーキテクチャを持つ科学者や研究者に権限を与える。 DLSIAは、オートエンコーダ、チューニング可能なU-Net、パラメータリーン混合スケールネットワーク(MSDNets)などの使いやすいアーキテクチャを備えている。
論文参考訳（メタデータ） (2023-08-02T21:32:41Z)

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。