論文の概要: Closed-Loop Molecular Design with Calibrated Deference

• arxiv url: http://arxiv.org/abs/2606.02618v1
• Date: Wed, 27 May 2026 16:44:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:04.462335
• Title: Closed-Loop Molecular Design with Calibrated Deference
• Title（参考訳）: キャリブレーションによる閉ループ分子設計
• Authors: Newman Cheng, Gordon Broadbent, Jason Dong, Syed Mohammed Ali Hussaini, Farman Ullah, Morris Sharp, Gabrielle Barnes, Nanlin Guo, Deyu Zou, Karin Strauss, William Chappell, David G. Kwabi, Bichlien H. Nguyen, Jake A. Smith,
• Abstract要約: In-Situ Optimization (CLIO) を用いて認知ループを提示する。 我々はCLIOをクローズドループヒト-AIキャンペーンで試験し,水性有機レドックスフロー電池のネゴライトを設計した。 その結果, 電気化学的可逆性が著しく向上し, 酸化還元電位が90mV向上した。
• 参考スコア（独自算出の注目度）: 1.7618988663158763
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present Cognitive Loop via In-Situ Optimization (CLIO), an agent that couples a continuously-updated belief-state graph with a recursive plan-then-act loop. The result is a reasoning agent that can contribute something qualitatively different, which we term \emph{calibrated deference}: the capacity to recognize when its own tools or assumptions are failing, to adapt its strategy in response, and to generate mechanistic hypotheses that guide experimental revision. We tested CLIO in a closed-loop human-AI campaign to design an aqueous organic redox flow battery (AORFB) negolyte, with CLIO leading proposal and interpretation in close partnership with chemists who synthesized, characterized, and weighed in on design choices. Across 17 candidates over three rounds, CLIO converged on a top phosphonate candidate; characterization confirmed a 130~mV improvement in redox potential over the literature baseline. Characterization then revealed unexpectedly poor electrochemical reversibility -- a regression no property predictor had flagged. CLIO generated competing mechanistic hypotheses, prioritized discriminating diagnostics, traced the failure to phosphonate-potassium ion pairing, and prescribed a sulfonate replacement. The resulting compound showed substantially improved electrochemical reversibility and maintained a 90~mV improvement in redox potential, closing the design-make-test-redesign loop.
• Abstract（参考訳）: In-Situ Optimization (CLIO) を用いて認知ループ(Cognitive Loop)を提示する。 その結果は、定性的に異なる何かに寄与できる推論エージェントであり、それは「emph{calibrated deference}」、すなわち、自身のツールや仮定がいつ失敗したかを認識し、その戦略を適応させ、実験的な修正を導く機械的仮説を生成する能力である。 有機レドックスフロー電池(AORFB)のネゴライトを設計するための閉ループヒト-AIキャンペーンでCLIOを試験した。 3ラウンドにわたる17の候補のうち、CLIOは最上位のリン性候補に収束し、文献ベースラインよりも130〜mVの酸化還元能が向上した。 評価の結果、電気化学的可逆性が予想外に低いことが判明した。 CLIOは競合する力学仮説を生成し、識別診断を優先し、ホスホネート-カリウムイオンペアリングの失敗を追跡し、スルホン酸の置換を処方した。 その結果, 電気化学的可逆性が著しく向上し, 酸化還元電位が90～mV向上し, 設計・試験・再設計ループが閉じた。

関連論文リスト

• Margin-calibrated Classifier Guidance for Property-driven Synthesis Planning [23.782236689125995]
  比較的議論とマージンに基づく損失を利用して分類器の校正を行うSCR(Sequence Completion Ranking)を導入する。 SCRはマルチステップ解決率を16.8%ドル(無誘導発電機)から78.4%ドル(反応型誘導)、9.3%ドル(谷本誘導)に大幅に改善している。 また,テンプレートフリー手法とテンプレートベース手法の長期的多様性ギャップを効果的に解消する。
  論文  参考訳（メタデータ） (2026-05-13T07:12:53Z)
• Confidence is the key: how conformal prediction enhances the generative design of permeable peptides [0.8149107671670839]
  本稿では,不確実性を考慮した透過性予測器を用いて,透過性環状ペプチドを設計するRL誘導型生成フレームワークを提案する。 予測の不確実性,特に新規化学の影響に対処するため,不確実性定量法として共形予測(CP)を統合した。
  論文  参考訳（メタデータ） (2026-05-07T07:01:45Z)
• Robust Regression with Adaptive Contamination in Response: Optimal Rates and Computational Barriers [65.58071581164043]
  本研究では, 共変剤を清潔にし, 応答を適応的に劣化させる汚染モデルの下で, 頑健な回帰について検討する。 本研究では,ハマー汚染下で達成可能なものよりも優れた推定率を持つ推定器を構築するために,追加情報を慎重に活用できることを示す。 情報理論の観点からは、ハマーモデルよりも改善されているにもかかわらず、この問題が強い情報計算ギャップを示すという公式な証拠を提供する。
  論文  参考訳（メタデータ） (2026-04-05T19:07:24Z)
• Seeing Through the Chain: Mitigate Hallucination in Multimodal Reasoning Models via CoT Compression and Contrastive Preference Optimization [78.94590726578014]
  マルチモーダル推論モデル (Multimodal reasoning model, MLRM) は幻覚の傾向が強く, 効果的な解はいまだ未発見のままである。 textbfCompression と textbfPreference textbfOptimization を組み合わせたトレーニングベースの緩和フレームワーク C3PO を提案する。
  論文  参考訳（メタデータ） (2026-02-03T11:00:55Z)
• Reimagining Target-Aware Molecular Generation through Retrieval-Enhanced Aligned Diffusion [22.204642926984526]
  Retrieval-Augmented GenerationとSE(3)-同変拡散モデルとを融合した最初のREADが導入された。 CBGBenchでは非常に競争力があり、最先端のジェネレーティブモデルやネイティブな足場を超越している。
  論文  参考訳（メタデータ） (2025-06-17T13:09:11Z)
• RETRO SYNFLOW: Discrete Flow Matching for Accurate and Diverse Single-Step Retrosynthesis [23.422202032748924]
  単段階逆合成計画をモデル化し、離散フローマッチングフレームワークRETRO SynFLOW(RSF)を導入する。 我々は、シークエンシャルモンテカルロをベースとしたFeynman-Kacステアリングを用いて、推論時に有望な世代をステアリングする。
  論文  参考訳（メタデータ） (2025-06-04T20:46:05Z)
• Understanding, Predicting and Better Resolving Q-Value Divergence in Offline-RL [86.0987896274354]
  まず、オフラインRLにおけるQ値推定のばらつきの主な原因として、基本パターン、自己励起を同定する。 そこで本研究では,Q-network の学習における進化特性を測定するために,SEEM(Self-Excite Eigen Value Measure)尺度を提案する。 われわれの理論では、訓練が早期に発散するかどうかを確実に決定できる。
  論文  参考訳（メタデータ） (2023-10-06T17:57:44Z)
• Doubly Stochastic Graph-based Non-autoregressive Reaction Prediction [59.41636061300571]
  電子再分配予測を得るために2つの二重自己アテンションマッピングを組み合わせた新しいフレームワークを提案する。 提案手法は,非自己回帰モデルの予測性能を常に向上することを示す。
  論文  参考訳（メタデータ） (2023-06-05T14:15:39Z)
• RetCL: A Selection-based Approach for Retrosynthesis via Contrastive Learning [107.64562550844146]
  レトロシンセシスは深層学習の新たな研究分野である。 本稿では, 市販分子の候補群から, 反応物質の選択問題へとレトロシンセシスを再構成する新しいアプローチを提案する。 スコア機能を学ぶために、ハードネガティブマイニングを備えた新しいコントラストトレーニングスキームも提案します。
  論文  参考訳（メタデータ） (2021-05-03T12:47:57Z)

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。