論文の概要: An Agentic Orchestration of Atomistic Simulations

• arxiv url: http://arxiv.org/abs/2607.22596v1
• Date: Fri, 12 Jun 2026 00:41:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.130107
• Title: An Agentic Orchestration of Atomistic Simulations
• Title（参考訳）: 原子論シミュレーションのエージェントオーケストレーション
• Abstract要約: 本稿では,原子シミュレーションの設計,実行,検証を自動化するエージェントベースシステムを提案する。 本システムでは, 原子間ポテンシャルを自律的に選択し, シミュレーションを構築, 実行し, クローズドループワークフロー内で繰り返しエラー回復を行う。
• 参考スコア（独自算出の注目度）: 27.57122578892023
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Atomistic simulations are central to materials design, but their execution involves complex, multi-step workflows that require significant human expertise. Here, we present an agent-based system embedded within the URSA (Universal Research and Scientific Agent) framework that automates the design, execution, and validation of atomistic simulations, demonstrated using the Large-scale Atomic/Molecular Massively Parallel Simulator (LAMMPS) tool. Our system autonomously selects interatomic potentials, constructs and runs simulations, and performs iterative error recovery within a closed-loop workflow. We evaluate the scientific reliability of the agent by benchmarking its outputs against LAVA, a high-throughput toolkit for LAMMPS and the Vienna Ab initio Simulation Package (VASP) calculations. Our framework reduces manual intervention and trial-and-error, thereby improving the rigor, reproducibility, and scalability of atomistic modeling.
• Abstract（参考訳）: 原子論シミュレーションは材料設計の中心であるが、その実行には人間の専門知識を必要とする複雑な多段階のワークフローが含まれる。 本稿では,大規模原子・分子質量並列シミュレータ(LAMMPS)ツールを用いて,原子シミュレーションの設計,実行,検証を自動化するURSA(Universal Research and Scientific Agent)フレームワークに組み込んだエージェントベースシステムを提案する。 本システムでは, 原子間ポテンシャルを自律的に選択し, シミュレーションを構築, 実行し, クローズドループワークフロー内で繰り返しエラー回復を行う。 LAMMPSとウィーンAb initio Simulation Package(VASP)計算のための高スループットツールキットであるLAVAに対して,その出力をベンチマークすることで,エージェントの科学的信頼性を評価する。 我々のフレームワークは手動による介入と試行錯誤を減らし,原子モデリングの厳密性,再現性,スケーラビリティを向上させる。

関連論文リスト

• El Agente Potente: High-Throughput Agentic Atomistic Simulations [4.268668578817565]
  基礎的機械学習原子間ポテンシャル(MLIP)は、計算コストのごく一部で、大規模化学空間のほぼ初期精度を達成し、原子論シミュレーションを変換している。 我々は,型付き実行グラフと補完的な符号化モードを組み合わせたエージェントシステムであるEl Agente Potenteを紹介した。
  論文  参考訳（メタデータ） (2026-09-13T23:20:21Z)
• From Atomic Actions to Standard Operating Procedures: Iterative Tool Optimization for Self-Evolving LLM Agents [90.3279207163486]
  EvoSOPは、エージェントが実行軌跡からSOPを抽出し、反復的にツールセットを最適化することを可能にするフレームワークである。 EvoSOPはタスク成功率を大幅に向上し,インタラクションラウンドの回数を大幅に削減することを示す。
  論文  参考訳（メタデータ） (2026-07-08T12:09:49Z)
• Multi-Agent Collaboration for Automated Design Exploration on High Performance Computing Systems [0.5573325246832598]
  MADA(Multi-Agent Design Assistant)は,複合設計のための特殊エージェントを協調するフレームワークである。 Inertial Confinement Fusionにおける重要な課題であるRMI(Richtmyer-Meshkov Instability)抑制の開発と検証に焦点をあてる。 以上の結果から,MADAシステムは繰り返し設計の改良を成功させ,RMIの最適抑制に向けた設計を自動改善することを示した。
  論文  参考訳（メタデータ） (2026-03-12T04:01:27Z)
• ARTIS: Agentic Risk-Aware Test-Time Scaling via Iterative Simulation [72.78362530982109]
  ARTIS(Agenic Risk-Aware Test-Time Scaling via Iterative Simulation)は、コミットメントから探索を分離するフレームワークである。 LLMをベースとした簡易シミュレータは, 希少かつ高インパクトな障害モードの捕捉に苦慮していることを示す。 本稿では,障害発生行動の忠実度を強調するリスク認識ツールシミュレータを提案する。
  論文  参考訳（メタデータ） (2026-02-02T06:33:22Z)
• QUASAR: A Universal Autonomous System for Atomistic Simulation and a Benchmark of Its Capabilities [0.7519872646378835]
  QUASARは、生産段階の科学的発見を促進するために設計された原子論シミュレーションのための普遍的な自律システムである。 我々は,光触媒スクリーニングや新規材料評価など,日常的な課題からフロンティア研究の課題まで,一連の3段階の課題に対してquariSARをベンチマークした。 その結果,quiSARはタスク固有の自動化フレームワークではなく,一般的な原子論的推論システムとして機能することが示唆された。
  論文  参考訳（メタデータ） (2026-01-30T05:29:44Z)
• EmboCoach-Bench: Benchmarking AI Agents on Developing Embodied Robots [68.29056647487519]
  Embodied AIは、高忠実度シミュレーションと大規模データ収集によって実現されている。 しかし、このスケーリング能力は、労働集約的な手作業の監視に依存しているため、いまだにボトルネックになっている。 実装ポリシーを自律的に構築するための LLM エージェントの能力を評価するベンチマークである textscEmboCoach-Bench を紹介する。
  論文  参考訳（メタデータ） (2026-01-29T11:33:49Z)
• Towards LLM-enabled autonomous combustion research: A literature-aware agent for self-corrective modeling workflows [9.40063486755374]
  FlamePilotは、自動および自己補正CFDによる燃焼モデリング研究を促進するように設計されている。 システムは、科学的な記事から学び、初期設定から最適化された結果までシミュレーションを導くための重要な情報を抽出することができる。 ケーススタディでは、FlamePilotが研究論文を自動で構成されたシミュレーションに変換し、シミュレーションを実行し、結果を後処理し、エビデンスに基づく改善を提案し、収束のために多段階のパラメータスタディを管理した。
  論文  参考訳（メタデータ） (2026-01-04T04:00:28Z)
• 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)
• Aitomia: Your Intelligent Assistant for AI-Driven Atomistic and Quantum Chemical Simulations [2.547250631115307]
  AitomiaはAIを利用したプラットフォームで、AI駆動の原子論と量子化学(QC)シミュレーションの実行を支援する。 チャットボットとAIエージェントを備えており、専門家や非専門家が原子論シミュレーションのセットアップと実行を支援する。 相富は、原子論的なシミュレーションを行う際の障壁を低くし、シミュレーションを民主化し、関連する分野での研究と開発を加速することが期待されている。
  論文  参考訳（メタデータ） (2025-05-13T03:11:41Z)
• Deep Bayesian Active Learning for Accelerating Stochastic Simulation [74.58219903138301]
  Interactive Neural Process(INP)は、シミュレーションとアクティブな学習アプローチのためのディープラーニングフレームワークである。 能動的学習のために,NPベースモデルの潜時空間で計算された新しい取得関数Latent Information Gain (LIG)を提案する。 その結果,STNPは学習環境のベースラインを上回り,LIGは能動学習の最先端を達成していることがわかった。
  論文  参考訳（メタデータ） (2021-06-05T01:31:51Z)

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。