論文の概要: Exploring Structures in Physics Problems: Can AI Agents Discover Statistical Mechanical Mappings?
- arxiv url: http://arxiv.org/abs/2607.26367v1
- Date: Wed, 29 Jul 2026 01:00:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-30 21:06:25.504356
- Title: Exploring Structures in Physics Problems: Can AI Agents Discover Statistical Mechanical Mappings?
- Title（参考訳）: 物理問題の構造を探る:AIエージェントは統計的機械的マッピングを発見できるか?
- Abstract要約: 理論物理学のスキルは、新しい問題が既知のモデルに変換できるかどうかを認識することである。
LLMをベースとしたエージェントは、生分割関数から抽出可能な表現への統計的機械的マッピングを発見できるか?
StatMechBench-v0は、移動行列法、ゲージ除去障害、平面/ファフィアン構造を含む6つのIsing型問題のベンチマークである。
- 参考スコア（独自算出の注目度）: 2.4445554253625166
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: An important skill in theoretical physics is to recognize when a new problem can be transformed into a known model. We study this skill as an AI-agent task: can LLM-based agents discover statistical mechanical mappings from a raw partition function to a tractable representation? To probe this question, we introduce StatMechBench-v0, a benchmark of six Ising-type problems covering transfer-matrix methods, gauge-removable disorder, and planar/Pfaffian structure. We evaluate a simple propose-verify-revise agent across multiple LLMs and problem phrasings. The results show that numerical feedback often helps agents repair code and recover correct partition functions. However, agents can also pass the numerical checks while misidentifying the underlying tractable class or understating computational complexity. This both reveals limitations in current LLM reasoning and calls for a verification stack that goes beyond numerical agreement, incorporating, for example, symbolic checks and structural invariants. Our study provides an early evaluation and design directions for AI agents aimed at structural discovery in theoretical physics.
- Abstract（参考訳）: 理論物理学における重要なスキルは、新しい問題が既知のモデルに変換できるかどうかを認識することである。
LLMをベースとしたエージェントは、生の分割関数から抽出可能な表現への統計的機械的マッピングを発見できるだろうか?
本稿では,移動行列法,ゲージ除去障害,平面/ファフ構造を含む6つのIsing型問題のベンチマークであるStatMechBench-v0を紹介する。
我々は,複数の LLM にまたがる単純な提案・検証・修正エージェントと問題表現の評価を行った。
その結果、数値的なフィードバックは、しばしばエージェントがコードを修復し、正しいパーティション関数を復元するのに役立ちます。
しかし、エージェントは、基礎となる抽出可能なクラスを誤って識別したり、計算の複雑さを過小評価したりしながら、数値チェックをパスすることもできる。
これはどちらも、現在のLLM推論における制限を明らかにし、例えば記号チェックと構造不変性を含む、数値的な合意を超える検証スタックを要求する。
我々の研究は、理論物理学における構造発見を目的としたAIエージェントの早期評価と設計の方向性を提供する。
関連論文リスト
- From Atomic to Agentic: Towards Interpretable Evaluation of LLMs' Agentic Mathematical Capabilities [103.60384544335072]
大規模言語モデル(LLM)は、エンドツーエンドの数学的推論からエージェントインテリジェンスの統合へと進化している。
本フレームワークは,問題解決エージェントの挙動を,再利用可能な数学的原子能力の構造化された分類法と整合させる。
実験により、同様のエンドツーエンドの精度を持つモデルでは、エージェント能力プロファイルが著しく異なることが判明した。
論文 参考訳（メタデータ） (2026-08-27T10:52:06Z) - Mechanistic Interpretability of Structure-Aware Numerical Reasoning in LLaMA 3.1 8B [51.10897657510313]
大規模言語モデル (LLM) は, 時系列予測において強い数値シーケンスモデリング能力を示し, 将来性を示す。
機械的解釈可能性の観点からLlama 3.1-8Bについて検討する。
Llamaはタスクに強いパフォーマンスを示し、基盤となる構造を拾えることを示唆しています。
論文 参考訳（メタデータ） (2026-08-19T01:09:51Z) - LLMs and Agentic AI Systems for Smart Grids: A Tutorial on Architectures and Applications [5.111428111198726]
大規模言語モデル(LLM)とエージェントAIシステムは、自然言語タスクから、技術的ドメインにおける計画、検索、行動のための外部ツールへと進化してきた。
本稿では,信頼性ツールから発生し,明示的な検証を経た場合にのみ数値結果が報告される,解法基底設計の原理を提案する。
エージェントシステムは、信頼できるツールが計算し、検証ゲートが報告されるものを決定する間、確実にオーケストレーションし、検索し、説明する。
論文 参考訳（メタデータ） (2026-07-20T16:45:13Z) - From Residuals to Reasons: LLM-Guided Mechanism Inference from Tabular Data [10.795877029195845]
科学的応用のための機械学習における永続的な課題は、予測と理解を共同で達成することである。
マルチエージェント残差文脈学習(MARICL)を導入する。
MARICLは、すべてのデータセットのベースモデルに対して一貫して改善されている。
論文 参考訳（メタデータ） (2026-05-21T15:34:08Z) - GRAFT-ATHENA: Self-Improving Agentic Teams for Autonomous Discovery and Evolutionary Numerical Algorithms [4.235429894371577]
自己改善型エージェントフレームワークであるGRAFT-ATHENAが過去の問題から自律的に学習していることを示す。
このフレームワークはさまざまなドメインにまたがって独自のアクション空間を拡張している。
1968年の報告書から、アポロ計画モジュール上のマッハ-10フローのような複雑な工学的な問題に取り組む。
論文 参考訳（メタデータ） (2026-05-11T18:27:01Z) - Can Coding Agents Reproduce Findings in Computational Materials Science? [49.254975563645786]
本稿では,大規模言語モデルの科学的主張を再現する能力を評価するためのベンチマークであるAutoMatを紹介する。
課題を専門とする専門家と緊密に連携することで、実際の材料科学論文からの一連の主張をキュレートし、コーディングエージェントがエンドツーエンドのワークフローを回復し実行できるかどうかを検証します。
結果、現在のLSMベースのエージェントはAutoMatの全体的な成功率を低くし、最も優れた設定は54.1%に過ぎなかった。
論文 参考訳（メタデータ） (2026-05-01T17:42:12Z) - Proof-RM: A Scalable and Generalizable Reward Model for Math Proof [67.53066972145183]
大規模言語モデル(LLM)は,*検証リワード*(RLVR)を用いた強化学習を通じて,強力な数学推論能力を示した。
多くの先進的な数学的問題は証明ベースであり、単純な解マッチングによって証明の真性を決定するための保証された方法はない。
自動検証を実現するには、完全な証明プロセスを確実に評価できるリワードモデル(RM)が必要である。
論文 参考訳（メタデータ） (2026-02-02T17:42:53Z) - SciML Agents: Write the Solver, Not the Solution [69.5021018644143]
敵の"ミスリーディング"問題の診断データセットと,1,000種類のODEタスクの大規模ベンチマークという,2つの新しいデータセットを紹介した。
オープンおよびクローズドソース LLM モデルについて, (i) 誘導型とガイド型, (ii) オフ・ザ・シェルフ対微調整型という2つの軸に沿って評価した。
予備的な結果は、慎重なプロンプトと微調整により、単純なODE問題を確実に解決できる特殊なLLMエージェントが得られることを示唆している。
論文 参考訳（メタデータ） (2025-09-12T02:53:57Z) - Unraveling Arithmetic in Large Language Models: The Role of Algebraic Structures [2.8311048083168657]
大型言語モデル (LLM) は顕著な数学的能力を示しており、主にチェーン・オブ・シント (CoT) のプロンプトによって駆動されている。
LLMは可換性や恒等性などの代数的構造を捉えることによって算術を学習する。
論文 参考訳（メタデータ） (2024-11-25T10:23:11Z) - MLAgentBench: Evaluating Language Agents on Machine Learning Experimentation [96.71370747681078]
我々は,CIFAR-10におけるモデル性能の改善から,BabyLMのような最近の研究課題まで,13のタスクからなるMLAgentBenchを紹介した。
各タスクに対して、エージェントはファイルの読み書き、コードの実行、出力の検査などのアクションを実行することができる。
我々は、Claude v1.0、Claude v2.1、Claude v3 Opus、GPT-4、GPT-4-turbo、Gemini-Pro、Mixtralに基づいてベンチマークエージェントをベンチマークし、Claude v3 Opusエージェントが成功率の点で最高であることを示す。
論文 参考訳（メタデータ） (2023-10-05T04:06:12Z) - Faith and Fate: Limits of Transformers on Compositionality [109.79516190693415]
3つの代表的構成課題にまたがる変圧器大言語モデルの限界について検討する。
これらのタスクは、問題をサブステップに分割し、これらのステップを正確な答えに合成する必要があります。
実験結果から,多段階合成推論を線形化部分グラフマッチングに還元することにより,トランスフォーマーLLMが構成課題を解くことが示唆された。
論文 参考訳（メタデータ） (2023-05-29T23:24:14Z) - Towards Automated Circuit Discovery for Mechanistic Interpretability [7.605075513099429]
本稿では,それに続く機械的解釈可能性プロセスの体系化について述べる。
調査中のデータセット、メトリック、ユニットを変えることで、研究者は各コンポーネントの機能を理解することができる。
本稿では,いくつかのアルゴリズムを提案し,それを検証するために過去の解釈可能性の結果を再現する。
論文 参考訳（メタデータ） (2023-04-28T17:36:53Z) - Tesseract: Tensorised Actors for Multi-Agent Reinforcement Learning [92.05556163518999]
MARLは、コミュニケーションと可観測性に様々な制約を課すことによって、問題を悪化させる。
値ベースの手法では、最適な値関数を正確に表現することが課題となる。
政策勾配法では、批判者の訓練を困難にし、遅れる批判者の問題を悪化させる。
学習理論の観点からは、関連するアクション値関数を正確に表現することで、両方の問題に対処できることが示される。
論文 参考訳（メタデータ） (2021-05-31T23:08:05Z)
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。