論文の概要: An AI-Assisted Migration Framework for Transforming Legacy Scientific Applications into Reusable Cloud-Based Workflows
- arxiv url: http://arxiv.org/abs/2608.23146v1
- Date: Mon, 24 Aug 2026 11:52:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:44.039284
- Title: An AI-Assisted Migration Framework for Transforming Legacy Scientific Applications into Reusable Cloud-Based Workflows
- Title（参考訳）: レガシー科学アプリケーションを再利用可能なクラウドベースのワークフローに変換するAI支援マイグレーションフレームワーク
- Abstract要約: 既存のマイグレーションアプローチは主にノートやコンテナといった個々のアーティファクトをターゲットにしています。
本稿では,アーキテクチャ解析,大規模言語モデル,設計構造行列解析を組み合わせたAI支援マイグレーションフレームワークを提案する。
この枠組みは、異なる科学領域からの2つのレガシな科学的応用に基づいて評価された。
- 参考スコア（独自算出の注目度）: 2.673900980590657
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Legacy scientific applications remain valuable research assets but are often tightly coupled to project-specific execution environments, limiting their reuse, reproducibility, and deployment within modern scientific workflow systems and cloud-native Virtual Research Environments (VREs). Existing migration approaches primarily target individual artifacts, such as notebooks or containers, and provide limited support for systematically transforming heterogeneous legacy applications into reusable cloud-native workflows. This paper presents an AI-assisted migration framework that combines the Reference Model of Open Distributed Processing (RM-ODP)-guided architectural analysis, Large Language Models (LLMs), and Design Structure Matrix (DSM) analysis. The framework first uses RM-ODP to guide an LLM in identifying reusable workflow components, their interfaces, and execution dependencies from heterogeneous legacy applications. The resulting workflow structure is then iteratively evaluated and refined using DSM analysis. Finally, an LLM-based workflow generator implements the validated workflow components and produces containerized execution environments and executable workflow definitions for deployment in cloud-native workflow systems, including VREs. The framework was evaluated on two legacy scientific applications from different scientific domains. In both cases, the applications were successfully transformed into reusable cloud-native workflows while preserving their original functionality, demonstrating the feasibility of the proposed approach for modernizing legacy scientific software.
- Abstract（参考訳）: レガシー科学の応用は貴重な研究資産のままだが、しばしばプロジェクト固有の実行環境と密結合しており、その再利用、再現性、モダンな科学ワークフローシステムやクラウドネイティブな仮想研究環境(VREs)への展開を制限している。
既存のマイグレーションアプローチは主にノートブックやコンテナといった個々のアーティファクトをターゲットにしており、異質なレガシーアプリケーションを再利用可能なクラウドネイティブワークフローに体系的に変換するための限定的なサポートを提供する。
本稿では,オープン分散処理の参照モデル (RM-ODP) を用いたアーキテクチャ解析,大規模言語モデル (LLM) と設計構造行列 (DSM) 分析を組み合わせたAI支援マイグレーションフレームワークを提案する。
フレームワークはまずRM-ODPを使用して、再利用可能なワークフローコンポーネント、そのインターフェース、異種レガシーアプリケーションからの実行依存性を識別するLLMをガイドします。
得られたワークフロー構造は、DSM分析を用いて反復的に評価され、洗練される。
最後に、LLMベースのワークフロージェネレータは、検証済みワークフローコンポーネントを実装し、コンテナ化された実行環境と、VREを含むクラウドネイティブワークフローシステムへのデプロイのための実行ワークフロー定義を生成する。
この枠組みは、異なる科学領域からの2つのレガシな科学的応用に基づいて評価された。
どちらの場合も、アプリケーションは元の機能を保ちながら再利用可能なクラウドネイティブワークフローに変換され、レガシーな科学ソフトウェアを近代化するための提案されたアプローチの可能性を示している。
関連論文リスト
- CURATE: Leveraging LLM Agents to Compose, Catalog, and Deploy Reproducible Workflows [0.0]
既存のコーディングエージェントは主にコード生成に重点を置いており、デプロイメントや共有を含むワークフローライフサイクル全体に対処していない。
CURATE - composition, User-in-the-loop, Reuse, and Automated Task Execution - a novel human-in-the-loop multi-agent system。
論文 参考訳（メタデータ） (2026-08-04T23:01:29Z) - Large language models for partial differential equation workflows [10.143396024546368]
偏微分方程式 (Partial differential equation, PDE) は、科学や工学において孤立した公式ではなく、モデリング仮定、支配方程式、数値解法、診断、決定を結びつける実行可能な公式として機能する。
本稿では,3段階にわたるPLM支援PDE研究の最近の進歩について考察する。
この進歩にもかかわらず、高品質なデータセットやベンチマークが不足しているため、この分野は依然として限られている。
さらに課題となるのは、シミュレーションに基づく結果と、数値シミュレーション、制御ポリシー、最適化された設計を実用的な設定へ直接移行することを制限する現実世界の科学・工学システムとの永続的なギャップである。
論文 参考訳（メタデータ） (2026-08-04T12:51:32Z) - From Specification to Execution: AI Assisted Scientific Workflow Management [0.7507031378170735]
本稿では,AIを活用した科学ワークフロー管理手法を提案する。
このメソッドは、ワークフローの意図、設計、実装を分離する構造化された仕様フェーズを導入し、コード生成に先立って検証を可能にする。
本手法は, 並列性, 反復性, 依存性集約構造で選択された医用画像にフェデレートした学習ワークフローを用いて評価する。
論文 参考訳（メタデータ） (2026-06-16T19:21:09Z) - From Knowledge to Action: Outcomes of the 2025 Large Language Model (LLM) Hackathon for Applications in Materials Science and Chemistry [109.17159174400912]
大規模言語モデル(LLM)は、材料科学と化学の研究者が科学的知識を発見し、組織化し、行動する方法を急速に変化させている。
本稿では,これらのシステムを科学研究ライフサイクル全体にわたって利用するための新たなパターンを明らかにするために,コミュニティが開発したLLMアプリケーションを幅広く分析する。
論文 参考訳（メタデータ） (2026-05-04T22:48:45Z) - Mimosa Framework: Toward Evolving Multi-Agent Systems for Scientific Research [2.4251063179584436]
Mimosaは、タスク固有のマルチエージェントを自動的に合成し、それを反復的に洗練する進化中のマルチエージェントフレームワークである。
Mimosaは完全なオープンソースプラットフォームとしてリリースされ、コミュニティ主導のASRのためのオープンな基盤を提供することを目指している。
論文 参考訳（メタデータ） (2026-03-30T20:35:57Z) - Learning to Compose for Cross-domain Agentic Workflow Generation [56.630382886594184]
クロスドメインワークフロー生成のためのオープンソースのLLMを作成します。
さまざまなドメインにわたる再利用可能なワークフロー機能のコンパクトなセットを学びます。
当社の1パスジェネレータは、20イテレーションを消費するSOTAリファインメントベースラインを超えています。
論文 参考訳（メタデータ） (2026-02-11T18:27:22Z) - Environment-Aware Code Generation: How far are We? [52.69113158357018]
大規模言語モデル(LLM)がユーザの特定の環境に適した実行可能コードを確実に生成できるかどうかは不明である。
本稿では,環境対応コード生成(EACG)の最初の体系的研究について述べる。
その結果,現在のLLMは環境固有のコード生成に苦しむ一方で,環境の適合性や実行性も向上していることがわかった。
論文 参考訳（メタデータ） (2026-01-18T04:58:15Z) - Towards LLM-Powered Task-Aware Retrieval of Scientific Workflows for Galaxy [5.3326639738035055]
本稿では,高密度ベクトル探索と大規模言語モデル(LLM)を併用したタスク認識2段階検索フレームワークを提案する。
提案システムはまず,最先端の埋め込みモデルを用いて候補を検索し,次に命令調整型生成LDMを用いて再帰する。
我々は、標準赤外線測定値を用いて、語彙、密度、階調モデルの総合的な比較を行い、銀河生態系における検索性能の最初の体系的評価を提示する。
論文 参考訳（メタデータ） (2025-11-03T17:12:03Z) - Sample-Efficient Online Learning in LM Agents via Hindsight Trajectory Rewriting [92.57796055887995]
本稿では,言語モデルエージェントの強化学習から後視体験のリプレイに適応するプロンプトフレームワークECHOを紹介する。
ECHOは失敗した試みで達成できた代替目標のために最適化された軌道を生成する。
我々は、テキストベースのナビゲーションと計画ベンチマークであるXMiniGridのステートフルバージョンと、協調的な情報収集企業シミュレーションであるPeopleJoinQAについて、ECHOを評価した。
論文 参考訳（メタデータ） (2025-10-11T18:11:09Z) - MLE-Dojo: Interactive Environments for Empowering LLM Agents in Machine Learning Engineering [57.156093929365255]
自律型大規模言語モデル(LLM)エージェントを体系的に強化し、評価し、改善するためのガイムスタイルのフレームワーク。
MLE-Dojoは、現実的なエンジニアリングシナリオを反映した、多様でオープンなMLEタスクを慎重にキュレートする。
完全に実行可能な環境は、教師付き微調整と強化学習の両方を通して包括的なエージェントトレーニングをサポートする。
論文 参考訳（メタデータ） (2025-05-12T17:35:43Z) - ComfyGPT: A Self-Optimizing Multi-Agent System for Comprehensive ComfyUI Workflow Generation [96.44354750396019]
ComfyGPTはタスク記述に基づいてComfyUIを生成するように設計された自動最適化マルチエージェントシステムである。
FlowDatasetは、13,571のワークフロー記述ペアを含む大規模なデータセットである。
FlowBenchはワークフロー生成システムを評価するためのベンチマークである。
論文 参考訳（メタデータ） (2025-03-22T06:48:50Z) - Reproducible Performance Optimization of Complex Applications on the
Edge-to-Cloud Continuum [55.6313942302582]
エッジ・ツー・クラウド・コンティニュム上でのリアルタイムアプリケーションの最適化を支援する手法を提案する。
提案手法は, 制御されたテストベッド環境において, その動作を理解するための厳密な構成解析に頼っている。
当社の方法論はEdge-to-Cloud Continuumの他のアプリケーションに一般化することができる。
論文 参考訳（メタデータ） (2021-08-04T07:35:14Z)
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。