論文の概要: Science Earth: Towards A Planet-Scale Operating System for AI-Native Scientific Discovery
- arxiv url: http://arxiv.org/abs/2606.01316v1
- Date: Sun, 31 May 2026 16:05:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-02 21:34:29.579934
- Title: Science Earth: Towards A Planet-Scale Operating System for AI-Native Scientific Discovery
- Title（参考訳）: 科学地球:AIによる科学発見のための惑星規模のオペレーティングシステムを目指す
- Authors: Zhe Zhao, Haibin Wen, Yingcheng Wu, Jiaming Ma, Yifan Wen, Jinglin Jian, Jiacheng Ge, Xiangru Tang, Bo An, Ming Yin, Sanfeng Wu, Mengdi Wang, Le Cong,
- Abstract要約: サイエンスアース(Science Earth)は、惑星規模の科学ランタイムで、あらゆる能力が他のものと接続できる。
その基盤となるEACNプロトコルは、機能を相互に発見し、タスクのオーナシップを交渉し、互換性のない明示的な標準を越えて判断することを可能にする。
2つの実行は、構造的に異なる条件下でこれを検証します。
- 参考スコア（独自算出の注目度）: 51.70607714288616
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Scientific discovery demands intelligence, perseverance, and serendipity across vast search spaces. Today, top scientific capabilities remain siloed--one AI system for biological analysis, another for clinical reasoning, mathematical derivation, or materials simulation--and no pre-designed team can anticipate every skill a question will need. Science Earth is a planet-scale scientific runtime in which any capability--a simulation cluster, a wet-lab robot, a proof engine, a single-cell pipeline--can connect to any other, with collaboration structure emerging from the question itself. Its underlying EACN protocol lets capabilities discover one another, negotiate task ownership, and adjudicate across incompatible evidentiary standards without prior knowledge of who will meet whom. This shifts the organizing challenge from workflow design to open-ended connectivity. Two runs validate this under structurally distinct conditions. In a trans-Pacific higher-order Kuramoto synchronization study, agents identified and corrected a closure-ratio assumption in Ott-Antonsen analytic theory that fails outside the Lorentzian limit, within thirty minutes. In an eight-agent single-cell run on the 4.88M-cell Kang 2024 pan-cancer atlas, heterogeneous capabilities coupled over a 64.9-hour window with one structural external instruction, producing three new result layers and anchoring findings against an independent wet-lab study on an adjacent CCR8- TIGIT+ Treg subset. These cases are a first empirical reading, not a benchmark sweep. They show that when AI capabilities are truly connectable and coordination emerges from the problem, scientific reasoning becomes a distributed, self-correcting process--a step towards scaling AI-native discovery to the planet.
- Abstract（参考訳）: 科学的な発見は、知性、忍耐力、セレンディピティーを広大な検索空間にわたって要求する。
現在、最上位の科学的能力はサイロ化されたままであり、生物学的分析のための1つのAIシステム、臨床推論、数学的導出、材料シミュレーションのためのもう1つのシステム、そして事前に設計されたチームは、質問に必要なスキルを予測できない。
科学アース(Science Earth)は、シミュレーションクラスタ、ウェットラブロボット、証明エンジン、シングルセルパイプラインなど、あらゆる能力が他のものと接続できる惑星規模の科学ランタイムである。
その基盤となるEACNプロトコルは、誰が誰と会うのかを事前に知ることなく、互いに発見し、タスクのオーナシップを交渉し、互換性のない明示的な標準をまたいだ判断を可能にする。
これにより、ワークフロー設計からオープンな接続性へと組織化の課題がシフトする。
2つの実行は、構造的に異なる条件下でこれを検証します。
太平洋横断高次倉本同期研究において、エージェントは30分以内にローレンツ限界外にあるOtt-Antonsen分析理論においてクロージャー比の仮定を特定し、修正した。
4.88MセルのKang 2024パンカンサーアトラス上の8個の単一細胞で、64.9時間の窓の上に1つの構造的外部命令を結合し、3つの新しい結果層を生成し、隣のCCR8-TIGIT+ Tregサブセットに関する独立したウェットラブ研究に対してアンカーする。
これらのケースは、ベンチマークスイープではなく、最初の経験的な読み物です。
彼らは、AI能力が真に接続可能であり、その問題から調整が現れると、科学的推論が分散した自己修正プロセスとなり、AIネイティブな発見を地球に拡大するステップであることが示している。
関連論文リスト
- KISS - Knowledge Infrastructure for Scientific Simulation: A Scaffolding for Agentic Earth Science [9.554707285564593]
知識インフラストラクチャ(KI)は、専門知識を検証されたモデリング演算子に外部化する。
KIを搭載したエージェントは、最大84%の試験で、物理的に可算で検証可能なエンドツーエンドのシミュレーションを生み出した。
119個のKIの全体にわたって、決定のモデル化と失敗の是正は、基礎となる物理学が異なるにもかかわらず収束した。
論文 参考訳（メタデータ） (2026-05-18T04:57:25Z) - Agentic AI Scientists Are Not Built For Autonomous Scientific Discovery [23.774769836398036]
成長する研究機関は、エンドツーエンドの科学的発見が可能なAI科学者を追求している。
このポジションペーパーでは、彼らはすでに共同科学者として機能しているが、エージェントAI科学者は自律的な科学的発見のために構築されていないと論じている。
論文 参考訳（メタデータ） (2026-05-09T13:52:23Z) - Opportunities in AI/ML for the Rubin LSST Dark Energy Science Collaboration [63.61423859450929]
この白書は、DESCの主要な宇宙探査と横断的分析を通して、AI/MLの現在の状況を調査している。
本研究では,大規模ベイズ推定,物理インフォームド手法,検証フレームワーク,発見のための能動的学習など,主要な方法論研究の優先事項を明らかにする。
論文 参考訳（メタデータ） (2026-01-20T18:46:42Z) - Probing Scientific General Intelligence of LLMs with Scientist-Aligned Workflows [203.3527268311731]
PIM(Practical Inquiry Model)に基づく運用SGI定義を提案する。
深層研究、アイデア生成、ドライ/ウェット実験、実験推論の4つのタスクを通じて運用しています。
私たちのPIMによる定義、ワークフロー中心のベンチマーク、実証的な洞察は、真に科学的な発見に参加するAIシステムの基盤を確立します。
論文 参考訳（メタデータ） (2025-12-18T12:44:36Z) - Hierarchical Multi-agent Large Language Model Reasoning for Autonomous Functional Materials Discovery [0.0]
電子構造推論におけるシミュレーションと理論のための材料エージェント(マスター)
MASTERでは、マルチモーダルシステムは自然言語を密度汎関数理論に変換し、高レベルの推論エージェントは戦略階層を通して発見を導く。
推論軌道は、サンプリングやセマンティックバイアスによって説明できない化学的根拠のある決定を示す。
論文 参考訳（メタデータ） (2025-12-15T22:08:18Z) - NewtonBench: Benchmarking Generalizable Scientific Law Discovery in LLM Agents [65.85967483058705]
科学法発見のための強力なツールとして、大規模な言語モデルが登場している。
このタスクの既存のベンチマークは、基本的な方法論のトリレンマに悩まされている。
12の物理領域にわたる324の科学法発見タスクからなるベンチマークであるNewtonBenchを紹介する。
論文 参考訳（メタデータ） (2025-10-08T16:12:11Z) - A Self-Evolving AI Agent System for Climate Science [59.08800209508371]
我々は,地球科学者のためのインタラクティブな"コパイロット"として設計された,初の自己進化型AIエージェントシステムであるEarthLinkを紹介する。
自然言語のインタラクションを通じて、EarthLinkは、計画、コード実行、データ分析、物理的推論を統合することで、研究ワークフロー全体を自動化します。
人のような学際的な分析能力と習熟度を示し、中核的な大規模気候タスクのエキスパート評価においてジュニア研究者に匹敵する能力を示す。
論文 参考訳（メタデータ） (2025-07-23T08:29:25Z) - Position: Intelligent Science Laboratory Requires the Integration of Cognitive and Embodied AI [98.19195693735487]
知的科学研究所(ISL)のパラダイムを提案する。
ISLは、認知と具体的知性を深く統合した多層クローズドループフレームワークである。
このようなシステムは、現在の科学的発見の限界を克服するために不可欠である、と我々は主張する。
論文 参考訳（メタデータ） (2025-06-24T13:31:44Z) - PiFlow: Principle-aware Scientific Discovery with Multi-Agent Collaboration [9.216546947535244]
自動科学的発見のための情報理論フレームワークPiFlowを紹介する。
提案手法は,曲線下面積の73.55%増加を反映して,発見効率を著しく向上させる。
全体として、PiFlowはPlug-and-Playメソッドとして機能し、高度に効率的な自動科学的発見における新しいパラダイムシフトを確立する。
論文 参考訳（メタデータ） (2025-05-21T03:09:39Z)
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。