論文の概要: AutoXRD: Autonomous LLM Agents and Comprehensive Evaluation for Powder Diffraction Analysis
- arxiv url: http://arxiv.org/abs/2609.00070v1
- Date: Sun, 30 Aug 2026 18:05:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-02 16:31:35.819283
- Title: AutoXRD: Autonomous LLM Agents and Comprehensive Evaluation for Powder Diffraction Analysis
- Title（参考訳）: AutoXRD: 粉体回折解析のための自律LLMエージェントと総合評価
- Abstract要約: 粉末X線回折(XRD)は材料評価の中心であるが、信頼性の高いエンドツーエンドの自動化は依然として困難である。
本稿では,粉体XRD分析を段階的に洗練するフレームワークであるAutoXRDを提案する。
- 参考スコア（独自算出の注目度）: 1.3965477771846408
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Powder X-ray diffraction (XRD) is central to materials characterization, yet reliable end-to-end automation remains challenging. An XRD agent must interpret diffraction evidence, operate refinement software, manage coupled parameters in a defensible order, and distinguish numerical improvement from physical validity. In this paper, we propose AutoXRD, an autonomous large language model (LLM) agent framework that organizes powder-XRD analysis as stepwise refinement, grounds actions in observed evidence, and applies deterministic crystallographic and physical checks before accepting results. We further introduce XRDBench with two complementary tracks. XRDBench-QA contains 100 bounded diagnostic tasks that isolate scientific reasoning and decision-making, whereas XRDBench-E2E contains 34 executable workflows that test whether agents can compose these capabilities into complete analyses requiring file inspection, crystallographic-software execution, iterative refinement, evidence preservation, and reporting. We evaluate ten recent LLMs across 1,340 model--task runs. Models average only 57.8 out of 100, falling from 61.9 on XRDBench-QA to 53.7 on XRDBench-E2E. They perform best on refinement-history assessment and result acceptance, but remain substantially weaker on refinement-action selection, phase quantification, indexing, and Rietveld refinement. GPT-5.6 Sol achieves the highest overall score of 81.1, GPT-5.6 Terra the highest XRDBench-E2E point estimate of 81.0, and GPT-5.6 Luna the best score--cost trade-off. Ablations show that all six AutoXRD components consistently improve performance, supporting the framework design. Finally, execution-trace analysis reveals recurring failures in coupled-parameter control, quantitative reasoning, evidence preservation, and workflow termination, motivating stronger scientific constraints, uncertainty-aware decisions, and more efficient planning.
- Abstract（参考訳）: 粉末X線回折(XRD)は材料評価の中心であるが、信頼性の高いエンドツーエンドの自動化は依然として困難である。
XRDエージェントは、回折エビデンスを解釈し、精製ソフトウェアを運用し、結合したパラメータを防御可能な順序で管理し、数値的な改善と物理的妥当性を区別しなければならない。
本稿では,粉体XRD分析を段階的に洗練し,観察されたエビデンスに作用し,結果を受け入れる前に決定論的結晶学および物理チェックを適用する,自律型大規模言語モデル(LLM)エージェントフレームワークであるAutoXRDを提案する。
さらに2つの相補的なトラックを持つXRDBenchを紹介します。
XRDBench-QAには科学的推論と意思決定を分離する100の有界診断タスクが含まれているが、XRDBench-E2Eには34の実行可能なワークフローが含まれており、エージェントがこれらの機能をファイル検査、結晶-ソフトウェアの実行、反復的洗練、証拠の保存、報告を必要とする完全な分析に構成できるかどうかをテストする。
我々は1,340台のモデルで最近10台のLLMを評価した。
モデルは100点中57.8点であり、XRDBench-QAでは61.9点から、XRDBench-E2Eでは53.7点に落ちている。
彼らは、精錬・歴史評価と結果の受容に最善を尽くすが、精錬・作用選択、相定量化、インデックス化、およびリエトルド精錬にはかなり弱いままである。
GPT-5.6 Solは81.1、GPT-5.6 Terraは81.0のXRDBench-E2E、GPT-5.6 Lunaは最良のスコアコストトレードオフである。
アブレーションは、6つのAutoXRDコンポーネントが常にパフォーマンスを改善し、フレームワーク設計をサポートすることを示している。
最後に、実行トレース分析は、結合パラメータ制御、定量的推論、エビデンス保存、ワークフロー終了の繰り返し失敗を明らかにし、より強い科学的制約、不確実性を考慮した決定、より効率的な計画の動機付けを行う。
関連論文リスト
- Vibe-FDTR: An agent-oriented framework for reproducible frequency-domain thermoreflectance data analysis [0.23895981099137534]
本稿では,大規模言語モデル (LLM) エージェントが信頼性および再現可能なR分析を行うためのエージェント指向フレームワークであるVibe-FDTRを提案する。
合成シングルステップタスクと実データマルチステップタスクの2つのレベルの制御されたベンチマークを用いて、Vibe-FDTRを評価する。
対照的に、非難スキル(コードエージェント)は91.4%と36.7%に性能を低下させ、ドメインパッケージを省略するとさらに38.6%と0%に低下する。
論文 参考訳（メタデータ） (2026-07-30T13:38:13Z) - A Temporal Reasoning Benchmarking Framework for LRMs via Difficulty-controlled and Dynamic Test Generation [11.290047096794082]
本稿では,時間的推論を制約満足度問題としてモデル化するテストフレームワークTRACEを紹介する。
TRACE は LRM の真の時間的推論能力をベンチマークするための堅牢で自動化されたプラットフォームを提供する。
論文 参考訳（メタデータ） (2026-07-06T08:14:53Z) - CrystalXRD-Bench: Benchmarking Vision-Language Models for XRD Peak Indexing Across Diverse Crystalline Materials [7.502120644952225]
パウダーXRDパターンからのミラーインデックス識別には、既存のマルチモーダルベンチマークで検証されていない機能が必要である。
本稿では,10の公開結晶データベースから構築した250サンプルベンチマークであるCrystalXRD-Benchを紹介する。
論文 参考訳（メタデータ） (2026-05-28T06:39:45Z) - Rewarding the Scientific Process: Process-Level Reward Modeling for Agentic Data Analysis [68.28714988482703]
プロセス・リワード・モデル(PRM)は、LLM(Large Language Models)の推論能力を増強することに成功した。
本稿では,一般ドメインのPRMがデータ分析エージェントの監督に苦慮していることを示す。
本稿では,新しい環境対応生成プロセス報酬モデルであるDataPRMを紹介する。
論文 参考訳（メタデータ） (2026-04-27T09:00:30Z) - CUJBench: Benchmarking LLM-Agent on Cross-Modal Failure Diagnosis from Browser to Backend [2.9612444540570113]
診断フレーミングにおけるブラウザ可視性障害証拠とバックエンド可観測性を組み合わせた最初のベンチマークであるCUJBenchを提案する。
このベンチマークでは、全体的な精度は19.7%、天井は52%、飽和度よりかなり低い。
論文 参考訳（メタデータ） (2026-04-25T22:10:53Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z) - A DeepSeek-Powered AI System for Automated Chest Radiograph Interpretation in Clinical Practice [83.11942224668127]
Janus-Pro-CXR (1B) はDeepSeek Janus-Proモデルに基づく胸部X線解釈システムである。
本システムは, 自動レポート生成において, 最先端のX線レポート生成モデルより優れる。
論文 参考訳（メタデータ） (2025-12-23T13:26:13Z) - OmniEAR: Benchmarking Agent Reasoning in Embodied Tasks [52.87238755666243]
OmniEARは,言語モデルが身体的相互作用やツールの使用,マルチエージェントの協調にどう影響するかを評価するためのフレームワークである。
我々は、家庭と工業領域にまたがる1500のシナリオにおける連続的な物理的特性と複雑な空間的関係をモデル化する。
我々の体系的な評価は、モデルが制約から推論しなければならない場合、厳しい性能劣化を示す。
論文 参考訳（メタデータ） (2025-08-07T17:54:15Z) - ReasonFlux-PRM: Trajectory-Aware PRMs for Long Chain-of-Thought Reasoning in LLMs [75.72672339168092]
本稿では,新しいトラジェクトリ対応PRMであるReasonFlux-PRMを紹介し,トラジェクトリ応答型推論トレースの評価を行う。
ReasonFlux-PRMはステップレベルとトラジェクトリレベルの両方の監視機能を備えており、構造化された連鎖データと整合した微粒な報酬割り当てを可能にする。
得られたReasonFlux-PRM-7Bは、教師付き微調整で平均12.1%、強化学習で4.5%、テスト時間スケーリングで6.3%向上した。
論文 参考訳（メタデータ） (2025-06-23T17:59:02Z) - ChestX-Reasoner: Advancing Radiology Foundation Models with Reasoning through Step-by-Step Verification [57.22053411719822]
ChestX-Reasoner(チェストX-Reasoner)は、臨床報告から直接採掘されるプロセスの監督を活用するために設計された放射線診断MLLMである。
我々の2段階のトレーニングフレームワークは、モデル推論と臨床標準との整合性を高めるために、プロセス報酬によって指導された教師付き微調整と強化学習を組み合わせる。
論文 参考訳（メタデータ） (2025-04-29T16:48:23Z) - End-to-End Crystal Structure Prediction from Powder X-Ray Diffraction [37.563382606039006]
本研究では,PXRDを用いた結晶構造予測モデルであるXtalNetを紹介する。
XtalNetはPXRDを付加条件として利用し、曖昧さを排除し、単位細胞に最大400個の原子を持つ複雑な有機構造を生成する。
XtalNetは、条件付き結晶構造予測タスクにおいて、hMOF-100とhMOF-400において、90.2%と79%のトップ10マッチングレートを達成する。
論文 参考訳（メタデータ） (2024-01-08T12:50:17Z) - Machine Learning Automated Approach for Enormous Synchrotron X-Ray
Diffraction Data Interpretation [14.495959477394841]
液体相を含むその場実験において、合成XRDモデルがu-XRDマッピングデータを解くことができるかどうかは不明である。
本研究では,LaCl3-calcite熱水流体系からu-XRDマッピングデータを収集し,実験的なXRDパターンを解くために2つのモデルカテゴリーを訓練した。
論文 参考訳（メタデータ） (2023-03-20T05:47:35Z)
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。