論文の概要: Socratic agents for autonomous scientific discovery in high-dimensional physical systems

• arxiv url: http://arxiv.org/abs/2606.26722v1
• Date: Thu, 25 Jun 2026 08:01:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.199525
• Title: Socratic agents for autonomous scientific discovery in high-dimensional physical systems
• Title（参考訳）: 高次元物理系における自律的科学的発見のためのソクラテス剤
• Authors: Xianrui Zeng, Pengfei Liu, Yirui Zang, Yang Shen, Fei Yu, Chunlei Yu, Minghao Liu, Yang Du,
• Abstract要約: AHOISはソクラテスの助産師をクローズドループの実験に埋め込む。 物理批判的エージェントは因果質問を通じて仮説を尋問する。 AHOISは、ランダム干渉符号化仮説を自律的に提案し、検証した。
• 参考スコア（独自算出の注目度）: 24.054349223347966
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The automation of scientific discovery has reached an inflection point. While AI systems now operate instruments, optimize parameters and generate hypotheses, most remain procedural: they execute workflows fixed by human designers. True autonomous science demands epistemic autonomy--the capacity to construct, challenge and revise physical explanations in response to evidence. Here we introduce AHOIS, a multi-agent AI scientist that embeds Socratic midwifery into closed-loop experimentation. A physics-critic agent interrogates hypotheses through causal questioning, constraint checking, counterexample generation and falsification-criteria formulation. We evaluate AHOIS on a real multimode-fibre optical platform, a high-dimensional system with complex wave transformations, indirect detection, environmental drift and multi-modal acquisition. Without prior encoding schemes, classifiers or speckle models, the system autonomously proposed and validated a random-interference encoding hypothesis, discovered task-adaptive sparse-measurement strategies, diagnosed distinct failure modes (encoding instability, fluorescence contamination and detector noise) and translated a published imaging protocol into an executable workflow on a non-original configuration. The discovered encoding yielded 16x16 measurements with effective rank 56.9 and classification accuracies of 76.97% on MNIST and 83.17% on Fashion-MNIST. Ablations show that Socratic interrogation improves physical consistency, hypothesis completeness, uncertainty calibration and experimental-plan validity. These results establish a route from workflow automation towards evidence-grounded, self-correcting autonomous discovery in complex physical environments.
• Abstract（参考訳）: 科学的発見の自動化は変曲点に達した。 AIシステムは今や、楽器を操作し、パラメータを最適化し、仮説を生成する。 真の自律科学は、疫学的な自主性を要求する - 証拠に応じて物理的説明を構築し、挑戦し、修正する能力である。 ここでは、ソクラテスの助産師をクローズドループの実験に組み込むマルチエージェントAI科学者であるAHOISを紹介する。 物理批判エージェントは、因果質問、制約チェック、反例生成、ファルシフィケーション基準定式化を通じて仮説を問う。 複雑な波動変換,間接検出,環境漂流,マルチモーダル取得が可能な実マルチモード光プラットフォーム上でのAHOISの評価を行った。 事前の符号化スキーム、分類器、スペックルモデルなしでは、ランダム干渉符号化仮説を自律的に提案、検証し、タスク適応的スパース測定戦略を発見し、異なる障害モード(不安定性、蛍光汚染、検出器ノイズ)を識別し、公開画像プロトコルを非オリジナル構成で実行可能なワークフローに変換した。 検出されたエンコーディングは、有効ランク56.9の16x16測定値と、MNISTの76.97%、Fashion-MNISTの83.17%の分類精度を得た。 アブレーションは、ソクラテス尋問が物理的一貫性、仮説完全性、不確実性校正、実験計画の妥当性を向上させることを示している。 これらの結果は、複雑な物理的環境下での、ワークフロー自動化からエビデンスに基づく自己修正型の自律的な発見への道筋を確立する。

関連論文リスト

• Science Earth: Towards A Planet-Scale Operating System for AI-Native Scientific Discovery [51.70607714288616]
  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。
  論文  参考訳（メタデータ） (2026-05-31T16:05:41Z)
• LLM-Guided Open Hypothesis Learning from Autonomous Scanning Probe Microscopy Experiments [3.783505208172849]
  シンボル回帰と大規模言語モデルに基づく物理評価を組み合わせたオープンな仮説学習フレームワークを提案する。 本稿では,PZT薄膜における強誘電体ドメインスイッチングの自律型圧電力顕微鏡による計測について述べる。
  論文  参考訳（メタデータ） (2026-05-07T18:44:46Z)
• Procela: Epistemic Governance in Mechanistic Simulations Under Structural Uncertainty [0.0]
  Procelaはシミュレーションが自身の仮定をテストする最初のフレームワークである。 競合する3家族の病院ネットワークでProcela for AMRをインスタンス化する。 その結果、基準値よりも20.4%のエラー削減と69%の累積的後悔改善が得られた。
  論文  参考訳（メタデータ） (2026-04-01T09:22:32Z)
• Anatomy of a Lie: A Multi-Stage Diagnostic Framework for Tracing Hallucinations in Vision-Language Models [62.932580559941414]
  VLM(Vision-Language Models)は、しばしば「ハロシン化(hallucinate)」する。 本稿では,静的な出力誤差からモデル計算認知の動的病理へ再キャストし,幻覚を診断するための新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-03-16T17:20:38Z)
• 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)
• 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)
• SUOD: Accelerating Large-Scale Unsupervised Heterogeneous Outlier Detection [63.253850875265115]
  外乱検出(OD)は、一般的なサンプルから異常物体を識別するための機械学習(ML)タスクである。 そこで我々は,SUODと呼ばれるモジュール型加速度システムを提案する。
  論文  参考訳（メタデータ） (2020-03-11T00:22:50Z)

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。