論文の概要: Filling holes in science draws collective attention, but most higher-order holes remain unexplored

• arxiv url: http://arxiv.org/abs/2608.28822v1
• Date: Fri, 28 Aug 2026 19:48:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 13:19:01.663278
• Title: Filling holes in science draws collective attention, but most higher-order holes remain unexplored
• Title（参考訳）: 科学における穴埋めは集団的注目を集めるが、ほとんどの高次の穴は未調査のままである
• Abstract要約: 知識を高次元の概念埋め込みとして表現し、永続的ホモロジーを用いて次数増加の穴を検出する。 経験的漸近が2つある。 発見者は、より豊かな穴の科学を呼び、現代のAIが人間の科学が開く高次元のギャップを埋めるのに役立つフロンティアを示す。
• 参考スコア（独自算出の注目度）: 1.0456203870202954
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Much scientific discovery involves filling holes between ideas and arguments that unleash techno-scientific advance. Representing knowledge as high-dimensional concept embeddings, we use persistent homology to detect holes of increasing order, from gaps between disconnected ideas to higher-order cavities, and identify the research works that fill them. We find two empirical asymmetries. Researchers who fill anticipated holes are poised to draw collective attention by staging outsized novelty and foresight, indicating that bridging holes anticipates where science will converge, most strongly in empirical fields and least in formal and design fields. Yet as knowledge grows, higher-order holes explode while the fraction science fills collapses, leaving most higher-order combinations unexplored. These results call for a richer science of holes, and mark a frontier where contemporary AI might help fill the high-dimensional gaps human science opens.
• Abstract（参考訳）: 多くの科学的発見は、技術科学の進歩を解き放つアイデアと議論の間に穴を埋めることを含んでいる。 知識を高次元の概念埋め込みとして表現し、不連結なアイデアから高次キャビティへのギャップから、増大する秩序の穴を検知し、それらを埋める研究作業を特定するために、永続的ホモロジーを用いる。 経験的漸近が2つある。 予想される穴を埋める研究者は、大きめの斬新さと前兆を台無しにすることで、集合的な注意を引こうとしている。 しかし、知識が増大するにつれて、高次の穴が爆発し、分数科学が崩壊し、高次の組み合わせは探索されていない。 これらの結果は、より豊かな穴の科学を呼び、現代のAIが人間の科学が開く高次元のギャップを埋めるのに役立つフロンティアを示す。

関連論文リスト

• Towards a new paradigm of scientific discovery with socialized artificial intelligence [48.48034861871986]
  本稿では,社会化科学知能のパラダイムであるBLAZE(Bridging Literature, Agents, and Zero-gap Experimentation)を紹介する。 BLAZEは、AIは独立した研究タスクのアシスタントではなく、科学的発見のための組織的な基盤だと考えている。 その目的は、人間の発見を置き換えるのではなく、集団的な科学的調査の規模、深さ、継続性を拡張することである。
  論文  参考訳（メタデータ） (2026-08-03T18:18:39Z)
• SciAtlas: A Large-Scale Knowledge Graph for Automated Scientific Research [64.97707567378497]
  我々はSciAtlasについて紹介する。SciAtlasは大規模・多分野・異種学術資源知識グラフである。 26の分野から43万以上の論文と合計157万のエンティティと3Bのトリプレットを統合することで、SciAtlasは構造的トポロジカル認知基質を提供する。 我々は, 単純な意味マッチングから決定論的関連発見へのシームレスな遷移を達成し, 三経路協調的リコールとグラフ再ランクを特徴とするニューロシンボリック検索アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2026-05-20T16:03:29Z)
• SciResearcher: Scaling Deep Research Agents for Frontier Scientific Reasoning [54.194672921128785]
  我々は、フロンティア科学データ構築のための完全に自動化されたエージェントフレームワークであるSciResearcherを紹介する。 SciResearcherは、学術的証拠に基づく様々な概念的および計算的なタスクを合成する。 我々は,HLE-Bio/Chem-Goldベンチマークで19.46%を達成できるエージェント基盤モデルであるSciResearcher-8Bを開発した。
  論文  参考訳（メタデータ） (2026-05-02T15:26:45Z)
• Can Current Agents Close the Discovery-to-Application Gap? A Case Study in Minecraft [70.0241202837925]
  我々はMinecraftベースのベンチマークであるSciCrafterを紹介した。 GPT-5.2, Gemini-3-Pro, Claude-Opus-4.5などのフロンティアモデルを汎用コードエージェントの足場下で評価した。 我々の分析によると、一般的な知識応用能力は依然として全てのモデルで最大のギャップであり続けているが、フロンティアモデルでは、知識ギャップの識別が大きなハードルになりつつある。
  論文  参考訳（メタデータ） (2026-04-27T16:58:04Z)
• Embodied Science: Closing the Discovery Loop with Agentic Embodied AI [73.54118756665221]
  我々は、科学的発見をクローズドループとして再編成し、エージェント推論と物理的実行を密結合するパラダイムであるエンボディド・サイエンスを論じる。 本研究では,実験環境の知覚,科学的知識の推論,身体的介入の実行,その後の探索を促進するための成果の内在化といった,統合された知覚・言語・行動発見(PLAD)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-20T09:20:12Z)
• DeepScientist: Advancing Frontier-Pushing Scientific Findings Progressively [23.839869341008107]
  DeepScientistは、科学的な発見を1ヶ月のタイムラインで行うように設計されたシステムだ。 このシステムは5,000のユニークな科学的アイデアを生み出し、その約1100を実験的に検証した。 この研究は、科学的タスクにおいて人間のSOTAを徐々に上回る発見を達成するためのAIの大規模な証拠として、初めてのものである。
  論文  参考訳（メタデータ） (2025-09-30T17:49:32Z)
• Opening Knowledge Gaps Drives Scientific Progress [2.6067353186988305]
  ギャップを開く論文は、最もよく引用される作品の1つにランクインする傾向にある。 開き目のない新しい組み合わせを導入する論文は、引用数のトップ1%にランク付けされがちである。 本研究は, ギャップ開き論文がより破壊的であり, 科学的探究のための新たな方向を刺激する上で, それらの生成的役割を強調していることを示唆する。
  論文  参考訳（メタデータ） (2025-09-26T05:33:10Z)
• Open-ended Scientific Discovery via Bayesian Surprise [63.26412847240136]
  AutoDSは、ベイジアン・サプライズを用いた科学探査を駆動する、オープンエンドの科学的発見の方法である。 我々はAutoDSを、生物学、経済学、金融学、行動科学といった21の領域にまたがる実世界のデータセットにまたがるデータ駆動ディスカバリの設定で評価する。
  論文  参考訳（メタデータ） (2025-06-30T22:53:59Z)
• Learning to Discover Medicines [21.744555824342264]
  強力なコンピューティング、大規模なバイオメディカルデータベース、そしてディープラーニングのブレークスルーによって、現代のAIが利用できることは、このループを壊そうとする新たな希望である。 本稿では,この課題を解決しようとするAI方法論の最近の進歩を概観する。 我々は、医薬品発見のためのAIの大規模かつ急速に成長する文献を、比較的安定した3つのサブエリアにまとめる。
  論文  参考訳（メタデータ） (2022-02-14T23:43:51Z)
• Adversarial Examples and the Deeper Riddle of Induction: The Need for a Theory of Artifacts in Deep Learning [0.0]
  私は、敵対的な例が哲学や多様な科学における議論の火花となると論じます。 私は、敵対的な例が哲学や多様な科学における議論の火花となると論じます。
  論文  参考訳（メタデータ） (2020-03-20T16:24:25Z)

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。