論文の概要: Closed-Loop LLM Co-Pilots for Digital Agriculture

• arxiv url: http://arxiv.org/abs/2608.09949v1
• Date: Thu, 09 Jul 2026 11:05:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 01:32:04.566092
• Title: Closed-Loop LLM Co-Pilots for Digital Agriculture
• Title（参考訳）: デジタル農業のための閉ループLDMコパイロット
• Abstract要約: 本研究では, 複雑な生物学的システムにおけるLarge Language Models (LLMs) の適用性を評価する。 このフレームワークは49チャンネルの植物センサネットワークのデータによって駆動される。 このシステムは、専門家と非専門家の両方にリアルタイムの自然言語解釈を提供する。
• 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: This study evaluates the application of Large Language Models (LLMs) in complex biological systems, evolving from data analysis to autonomous, AI-guided experimentation. The framework is driven by data from a 49-channel phytosensor network, encompassing multispectral, electrochemical, and dielectric modalities. To enhance accessibility, the system provides real-time natural-language interpretation for both specialists and non-experts. However, its core advantage lies in the transition from human-in-the-loop analysis to autonomous control. Processing biophysical data, the LLM evaluates plant physiology and triggers hardware actuators to optimize microclimates, execute phenotyping protocols, or induce controlled stress scenarios. This closed-loop architecture establishes a direct AI-biology interface, enabling data-driven exploration of complex biosystems and ecologies. The framework was validated across three case studies, based on a vertical farm and a single-plant setup and deciphered complex micro- and macro-fluctuations in plant physiology. Agents in a production-scale deployment executed multi-parameter optimization, balancing biomass accumulation, chlorophyll content, and energy consumption. The LLM processed biosensing telemetry to modulate full-spectrum, 450 nm, and 660 nm lighting at 2-hour intervals. Compared to periodic control, the system in minimal-time mode reduced the production cycle by 35%. In the energy-optimization mode, it reduced energy consumption by 18% with only a marginal increase in cultivation time, exploiting physiological inertia via light pulses. Finally, the agents autonomously developed an unforeseen strategy of dark-induced chlorophyll accumulation, resulting in a 67.9% energy saving. This framework transforms LLMs into autonomous co-pilots for digital agriculture, improving the cost-to-value ratio and lowering computational and expert-labor constraints.
• Abstract（参考訳）: 本研究では、データ分析から自律型AI誘導実験へ進化する複雑な生物学的システムにおけるLarge Language Models(LLM)の適用性を評価する。 このフレームワークは、多スペクトル、電気化学、誘電率を含む49チャンネルの植物センサネットワークのデータによって駆動される。 アクセシビリティを高めるため、このシステムは専門家と非専門家の両方にリアルタイムの自然言語解釈を提供する。 しかし、その主な利点は、人間のループ分析から自律制御への移行にある。 生物物理学データを処理し、植物生理学を評価し、微小気候を最適化したり、表現型プロトコルを実行したり、制御されたストレスシナリオを誘導するハードウェアアクチュエータを起動する。 このクローズドループアーキテクチャは、AI-生物学の直接的なインターフェースを確立し、複雑なバイオシステムと生態をデータ駆動で探索することを可能にする。 この枠組みは、垂直農場と単一プラントのセットアップと、植物生理学における複雑なミクロ・マクロゆらぎの解読に基づく3つのケーススタディで検証された。 生産規模の展開のエージェントは、バイオマスの蓄積、クロロフィルの含有量、エネルギー消費のバランスをとり、マルチパラメータ最適化を実行した。 LLMはバイオセンシングテレメトリを処理し、2時間間隔でフルスペクトル、450nm、660nmの光を変調した。 周期制御と比較して、最小時間モードのシステムは生産サイクルを35%削減した。 エネルギー最適化モードでは,光パルスによる生理的慣性を利用して,耕作時間の限界増加とともにエネルギー消費を18%削減した。 最終的に、エージェントは暗く誘導されるクロロフィル蓄積の予期せぬ戦略を自律的に開発し、67.9%の省エネに繋がった。 このフレームワークは、LCMをデジタル農業のための自律的コパイロットに変換し、コスト対価値比を改善し、計算と専門家の制約を下げる。

関連論文リスト

• AI-Driven Surrogate Models for Predicting Electrode-Scale Discharge Behavior in Lithium-Ion Batteries [47.27974914502511]
  本研究では,Swin3D Transformerに基づくディープラーニングサロゲートパイプラインを導入し,データから直接放電ダイナミクスを予測する。 提案手法は計算オーバーヘッドを桁違いに削減し,高スループットバッテリー設計と最適化のためのスケーラブルで効率的なフレームワークを提供する。
  論文  参考訳（メタデータ） (2026-07-22T09:10:48Z)
• Influence-Guided Symbolic Regression: Scientific Discovery via LLM-Driven Equation Search with Granular Feedback [56.69850045068714]
  逐次的2段階プロセスとして方程式発見をフレーム化する方法である textitInfluence-Guided Regression (IGSR) を導入する。 LLM-SRBench, 薬理学的PKPDモデル, 疫学シミュレーション, 実世界のゲノムデータなど, IGSRの有効性を示す。
  論文  参考訳（メタデータ） (2026-05-27T23:48:01Z)
• From Static Spectra to Operando Infrared Dynamics: Physics Informed Flow Modeling and a Benchmark [67.29937933325849]
  Operando IR Predictionは、1つの静的スペクトルからスペクトル指紋の時間分解進化を予測することを目的としている。 OpIRSpec-7Kは、10の異なるバッテリーシステムにわたる7,118の高品質なサンプルで構成されている。 ABCCは最先端の静的、シーケンシャル、および生成的ベースラインを著しく上回る。
  論文  参考訳（メタデータ） (2026-02-20T18:58:43Z)
• Machine Learning-Based Basil Yield Prediction in IoT-Enabled Indoor Vertical Hydroponic Farms [0.08388908302793013]
  本研究は,バジル収量を最適化するための機械学習(ML)技術と屋内垂直給水システムの統合について検討する。 本研究では,異なるMLモデルを用いた予測システムを開発し,その性能評価を行う。
  論文  参考訳（メタデータ） (2025-12-15T11:00:34Z)
• DynaMate: An Autonomous Agent for Protein-Ligand Molecular Dynamics Simulations [13.253932177045842]
  力場に基づく分子動力学(MD)シミュレーションは、生体分子系の構造、力学、機能を知るのに不可欠である。 MDセットアップの技術的な複雑さは、パラメータ化、入力準備、ソフトウェア構成を含んでおり、広く効率的な使用の障壁となっている。 本稿では,タンパク質リガンドシステムとタンパク質リガンドシステムの両方の完全なMDを自律的に設計し,実行するモジュール型マルチエージェントフレームワークであるDynaMateを紹介する。
  論文  参考訳（メタデータ） (2025-12-10T19:40:51Z)
• A Lightweight Transfer Learning-Based State-of-Health Monitoring with Application to Lithium-ion Batteries in Autonomous Air Vehicles [53.158733310637295]
  トランスファーラーニングは、データ豊富なソース作業条件から知識を活用するための有望なテクニックである。 従来のTL-based state-of-health(SOH)モニタリングは、ポータブルモバイルデバイスに適用すると実現不可能である。 本稿では,CITLを用いた軽量SOHモニタリング手法を提案する。
  論文  参考訳（メタデータ） (2025-12-09T11:54:09Z)
• Quantum Synthetic Data Generation for Industrial Bioprocess Monitoring [0.0]
  バイオマニュファクチャリングにおけるデータの不足とスパーシリティは、正確なモデル開発、プロセス監視、最適化に課題をもたらす。 本稿では,QWGAN-GP(Quantum Wasserstein Generative Adrial Network with Gradient Penalty)を用いて,産業関連プロセスの時系列データを生成することを提案する。
  論文  参考訳（メタデータ） (2025-10-20T16:04:39Z)
• BioMARS: A Multi-Agent Robotic System for Autonomous Biological Experiments [8.317138109309967]
  大規模言語モデル(LLM)と視覚言語モデル(VLM)は、自律的な実験を可能にすることによって生物学的研究を変革する可能性がある。 ここでは、LLM、VLM、モジュールロボットを統合し、自律的に設計、計画、実行を行うインテリジェントプラットフォームであるBioMARSを紹介する。 Webインターフェースはリアルタイムの人間とAIのコラボレーションを可能にし、モジュール化されたバックエンドは実験室のハードウェアとのスケーラブルな統合を可能にする。
  論文  参考訳（メタデータ） (2025-07-02T08:47:02Z)
• DrugPilot: LLM-based Parameterized Reasoning Agent for Drug Discovery [54.79763887844838]
  大規模言語モデル(LLM)と自律エージェントの統合は、自動推論とタスク実行を通じて科学的発見を促進する大きな可能性を秘めている。 本稿では,薬物発見におけるエンドツーエンド科学のために設計されたパラメータ化推論アーキテクチャを備えたLSMベースのエージェントシステムであるDrarmPilotを紹介する。 DrugPilot は ReAct や LoT のような最先端のエージェントよりも優れており、タスク完了率は98.0%、93.5%、64.0%である。
  論文  参考訳（メタデータ） (2025-05-20T05:18:15Z)
• Closing the loop: Autonomous experiments enabled by machine-learning-based online data analysis in synchrotron beamline environments [80.49514665620008]
  機械学習は、大規模または高速に生成されたデータセットを含む研究を強化するために使用できる。 本研究では,X線反射法(XRR)のための閉ループワークフローへのMLの導入について述べる。 本研究では,ビームライン制御ソフトウェア環境に付加的なソフトウェア依存関係を導入することなく,実験中の基本データ解析をリアルタイムで行うソリューションを提案する。
  論文  参考訳（メタデータ） (2023-06-20T21:21:19Z)
• PhagoStat a scalable and interpretable end to end framework for efficient quantification of cell phagocytosis in neurodegenerative disease studies [0.0]
  本稿では,食欲活動の定量化と分析を行うためのエンドツーエンド,スケーラブル,汎用的なリアルタイムフレームワークを提案する。 提案するパイプラインでは,大規模なデータセットを処理でき,データ品質検証モジュールも備えている。 我々はこのパイプラインをFTDの微小グリア細胞食細胞解析に応用し,統計的に信頼性の高い結果を得た。
  論文  参考訳（メタデータ） (2023-04-26T18:10:35Z)
• Leveraging generative adversarial networks to create realistic scanning transmission electron microscopy images [2.5954872177280346]
  機械学習は、自律的なデータ収集と処理を通じて材料研究に革命をもたらす可能性がある。 我々は,実空間周波数情報を用いたシミュレーションデータを増大させるために,相互空間判別器を備えたサイクル生成逆数ネットワーク(CycleGAN)を用いる。 完全な畳み込みネットワーク(FCN)をトレーニングして、450万個の原子データセット内の単一原子欠陥を同定することで、我々のアプローチを実証する。
  論文  参考訳（メタデータ） (2023-01-18T19:19:27Z)
• Towards an Automatic Analysis of CHO-K1 Suspension Growth in Microfluidic Single-cell Cultivation [63.94623495501023]
  我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。 具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
  論文  参考訳（メタデータ） (2020-10-20T08:36:51Z)

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。