論文の概要: An Agentic Interface for End-to-End Probabilistic Seismic Hazard and Risk Analysis

• arxiv url: http://arxiv.org/abs/2607.16249v1
• Date: Sat, 27 Jun 2026 02:29:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 00:46:13.056479
• Title: An Agentic Interface for End-to-End Probabilistic Seismic Hazard and Risk Analysis
• Title（参考訳）: エンド・ツー・エンドの確率的地震危険度とリスク分析のためのエージェントインタフェース
• Abstract要約: 本稿では, エンド・ツー・エンドの確率的地震危険度とリスク・チェーンに, オープンソース・サーバを介して最初のエージェント・インタフェースを提案する。 MCPは、OpenQuakeエンジンと2020年の欧州地震ハザード・アンド・リスク・モデルを24種類のエンドポイントを使用してラップする。 再現された475年のスペクトル加速度は、中央値の5%で公式値と一致し、完全なハザード・ツー・ロス推定は数分で実行されます。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Probabilistic seismic hazard and risk analyses are backbone to building codes, insurance pricing, and disaster management. Yet their open-engine pipelines remain accessible primarily to experts. We present the first agentic interface to the end-to-end probabilistic seismic hazard and risk chain via an open-source server, addressable through the Model Context Protocol (MCP). MCP wraps the OpenQuake engine and the 2020 European Seismic Hazard and Risk Models using twenty-four typed endpoints. Here, an agent is defined as a large language model (LLM) with tools. LLM is confined to the role of an orchestrator so it plans, translates, and explains, while the OpenQuake engine and custom codes compute hazard values, damage probability, and loss. Each response carries source-model, ground-motion model (GMM), and certified data provenance for transparency. Results are benchmarked against ESHM20 at seventy-three cities, the replicated 475-year spectral accelerations match official values within a median of 5 %, and a full hazard-to-loss estimate runs in minutes. The interface additionally accepts a user-supplied empirical or machine-learning GMM on any tectonic region type of the published tree, and adds additional features that existing web services omit: conditional spectra, deterministic scenarios, surface hazard, per-building loss, retrofit comparison, and record selection with waveform retrieval. The proposed design layers transfer to other regional models, and to other hazards.
• Abstract（参考訳）: 確率的地震の危険度とリスク分析は、建設コード、保険価格、災害管理のバックボーンである。 しかし、彼らのオープンエンジンパイプラインは、主に専門家にアクセスできるままである。 本稿では, モデルコンテキストプロトコル (MCP) を通じて対応可能なオープンソースのサーバを介して, エンドツーエンドの確率的地震リスクとリスクチェーンに, エージェントインタフェースを提示する。 MCPは、OpenQuakeエンジンと2020年の欧州地震ハザード・アンド・リスク・モデルを24種類のエンドポイントを使用してラップする。 ここで、エージェントはツールを備えた大きな言語モデル(LLM)として定義される。 LLMはオーケストレータの役割に限定されているので、OpenQuakeエンジンとカスタムコードがハザード値、損傷確率、損失を計算している間に、計画、翻訳、説明を行います。 各応答には、ソースモデル、グラウンドモーションモデル(GMM)、透過性のための認証データ証明がある。 再現された475年のスペクトル加速度は、中央値の5%で公式値と一致し、完全なハザード・ツー・ロス推定は数分で実行されます。 また,既存のWebサービスでは,条件付きスペクトル,決定論的シナリオ,表面ハザード,建物ごとの損失,再適合比較,波形検索によるレコード選択などの機能が追加されている。 提案された設計レイヤは、他の地域モデル、および他のハザードに転送される。

関連論文リスト

• Operational Range Bounding in Spectroscopy: A Safety Cage Framework for Machine Learning Models [0.6908439820101059]
  本研究では,並列監視層として機能するモジュール型安全ケージアーキテクチャを評価し,予測の有効性を評価する。 単一のインジケータがすべての障害モードをキャプチャし、インジケータの融合の必要性を示す。 形式化されたカバレッジリスクフレームワークを用いて、リスクレベルの精度を最大化する構成を特定するために、インジケータの組み合わせの体系的分析を行う。
  論文  参考訳（メタデータ） (2026-09-11T20:32:01Z)
• A Lifecycle-Oriented Detection and Defense Framework for Price Manipulation Attacks in DeFi [4.805862074245663]
  本稿では,攻撃パターン,脆弱性タイプ,リスク評価,自動検出,防衛戦略について検討する。 Oracleのライフサイクル理論に基づいて、3層アタックツリーを構築してアタックチェーンを分析する。 実験の結果、提案手法は攻撃による価格変動を55.56%から5%以下に減少させることが示された。
  論文  参考訳（メタデータ） (2026-08-16T04:01:42Z)
• Modeling Local Exploit Hazard - A Bayesian Framework for Quantifying Exploit Risk and Operational Efficiency [0.0]
  ローカル・エクスプロイト・ハザード・モデルは、エクスプロイト・ハザード・モデルによって生成されたグローバル・確率を、組織自身の資産に対する日々のエクスプロイト・ハザード・レートに変換する。 モデルは、確率分布としてデプロイされた制御の悪用防止効果を測定する。
  論文  参考訳（メタデータ） (2026-07-27T16:15:00Z)
• Can LLM Agents Respond to Disasters? Benchmarking Heterogeneous Geospatial Reasoning in Emergency Operations [55.251494694783894]
  災害対応エージェントベンチマーク(DORA)は、エンド・ツー・エンドの災害対応のための最初のエージェントベンチマークである。 タスクは、災害認識、空間関係分析、救助・避難計画、時間的進化推論、マルチモーダルレポート合成という、災害対応パイプラインをカバーする5つの次元にまたがる。 DORAは、運用上の信頼性の高い災害対応エージェントのための厳格なテストベッドを確立する。
  論文  参考訳（メタデータ） (2026-05-12T06:57:41Z)
• Can Attribution Predict Risk? From Multi-View Attribution to Planning Risk Signals in End-to-End Autonomous Driving [51.726472686971896]
  エンド・ツー・エンドの自律運転モデルは、多視点入力から将来の軌跡を生成する。 既存の手法では、軌道生成の根底にある視覚的証拠を明らかにすることができない。 エンド・ツー・エンド・プランニングのための階層的属性・フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-07T13:38:18Z)
• Physics-Grounded Multi-Agent Architecture for Traceable, Risk-Aware Human-AI Decision Support in Manufacturing [1.2090375982772545]
  自由形航空宇宙部品の高精度CNC加工には, 検査, シミュレーション, プロセス知識による補償が必要である。 本稿では,マルチエージェント・ナレッジ・アナリティクス(Maka)を提案する。 MAKAは、人間の承認のために推奨される前に、物理的な妥当性、安全性の限界、完全性を強制する。
  論文  参考訳（メタデータ） (2026-05-05T17:24:53Z)
• Spatial Atlas: Compute-Grounded Reasoning for Spatial-Aware Research Agent Benchmarks [1.5229257192293202]
  空間認識型研究エージェントのための計算基底推論(CGR)を導入する。 CGRは空間認識型研究エージェントの設計パラダイムであり、全ての答え可能なサブプロブレムは決定論的計算によって解決される。 我々は,CGRが解釈可能性を維持しながら競争精度を向上することを示した。
  論文  参考訳（メタデータ） (2026-04-13T22:22:07Z)
• ATBench: A Diverse and Realistic Agent Trajectory Benchmark for Safety Evaluation and Diagnosis [96.92417622318267]
  ATBenchは、エージェント安全性の構造化、多様性、現実的な評価のための軌道レベルのベンチマークである。 リスクソース、障害モード、現実世界の危害の3つの側面に沿ってエージェント的リスクを編成する。 1000個の軌道(安全503個、安全497個)があり、平均9.01ターンと3.95kトークンがあり、2,084個のツールにまたがるプールから1,954個のツールが呼び出されている。
  論文  参考訳（メタデータ） (2026-04-02T13:26:20Z)
• Foresight Learning for SEC Risk Prediction [0.0]
  SECに提出されたリスク開示は潜在的な有害事象を記述しているが、その可能性の定量化はめったにない。 中心的な障害は、大規模でリスクレベルの監督がないことであり、開示されたリスクと実現された結果がリンクされている。 我々は、定性的なSECリスク開示を時間的基盤の監視に変換する、完全に自動化されたデータ生成パイプラインを導入します。
  論文  参考訳（メタデータ） (2026-01-27T04:43:00Z)
• Agentic World Modeling for 6G: Near-Real-Time Generative State-Space Reasoning [70.56067503630486]
  第6世代(6G)インテリジェンスは、流動的なトークン予測ではなく、想像と選択の能力を校正している、と我々は主張する。 We showed that WM-MS3M cuts mean absolute error (MAE) by 1.69% vs MS3M with 32% less parameters and similar latency, and achieve a 35-80% lower root mean squared error (RMSE) than attention/hybrid baselines with 2.3-4.1x faster inference。
  論文  参考訳（メタデータ） (2025-11-04T17:22:22Z)
• Building a Foundational Guardrail for General Agentic Systems via Synthetic Data [76.18834864749606]
  LLMエージェントは、計画段階で介入するマルチステップタスクを計画できる。 既存のガードレールは主にポスト・エグゼクティブ(英語版)を運用しており、スケーリングが困難であり、計画レベルで制御可能な監督を行う余地がほとんどない。 我々は、良性軌道を合成し、カテゴリーラベル付きリスクを困難に注入し、自動報酬モデルを介して出力をフィルタリングする制御可能なエンジンであるAuraGenを紹介する。
  論文  参考訳（メタデータ） (2025-10-10T18:42:32Z)
• AccidentBlip: Agent of Accident Warning based on MA-former [24.81148840857782]
  AccidentBlipは視覚のみのフレームワークで、ビデオの各フレームを処理するために自設計のMotion Accident Transformer(MA-former)を使用している。 AccidentBlipは、DeepAccidentデータセット上の事故検出と予測タスクの両方のパフォーマンスを達成する。 また、V2VおよびV2Xシナリオにおける現在のSOTAメソッドよりも優れており、複雑な現実世界環境を理解するのに優れた能力を示している。
  論文  参考訳（メタデータ） (2024-04-18T12:54:25Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)

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。