論文の概要: Human-agent discovery of reconfigurable in-plane ferroelectric superdomain control

• arxiv url: http://arxiv.org/abs/2609.06887v1
• Date: Mon, 07 Sep 2026 00:20:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.333164
• Title: Human-agent discovery of reconfigurable in-plane ferroelectric superdomain control
• Title（参考訳）: 再構成可能な面内強誘電体スーパードメイン制御のヒトエージェントによる発見
• Abstract要約: Scanning Probe Agentic Research Cycle (SPARC) フレームワークを導入し、コーディングエージェントとヒューマンオペレータが1つの顕微鏡、1つのノートブック、2つの永続メモリファイルを共有する。 (111)配向PbZr0.2TiO0.83膜の面内超磁区方向を再構成する。 オペレーターが監督するキャンペーンにおいて、エージェントは以前の手動測定を再度分析し、極性の交互な定常バイアスパルスの配向格子を開発し、スーパードメイン方向を再構成した。 その後のエージェント制御キャンペーンでは、PITFALLS.mdエントリが設計を検証するチェックにコンパイルされた。
• 参考スコア（独自算出の注目度）: 2.9668027142208597
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Automated experimentation is most effective when the observables, available actions, and objective are defined before the experiment starts, as is the case for Bayesian optimization. However, in many exploratory experiments, the variables that describe the sample must be extracted from the data, new operations emerge during the experiments, and the instrument budget is too small to learn the problem by trials. Here we introduce the Scanning Probe Agentic Research Cycle (SPARC) framework, in which a coding agent and a human operator share one microscope, one notebook, and two persistent memory files. FINDINGS.md stores graded conclusions about the experiment, whereas PITFALLS.md records learned failure modes of analysis and instrument. We apply SPARC to reconfigure the in-plane superdomain direction of a (111)-oriented PbZr0.2Ti0.8O3 film. In an operator-supervised campaign, the agent reanalyzed earlier manual measurements and developed an oriented lattice of stationary bias pulses with alternating polarity to reconfigure the superdomain direction. In a subsequent agent-controlled campaign, PITFALLS.md entries were compiled into checks that validate a design before any write. The experiments showed that spatial polarity alternation, instead of the exact matching between the lattice and lamellar periods, determines directional selection. Combining a raster scan with a masked pulse lattice printed the letters UTK into the superdomain orientation. The campaign also identified practical requirements for agentic experimentation where physical verification of instrument execution, the conditions under which stored findings remain valid, validation of new observables on instrument data, and robust control protocols.
• Abstract（参考訳）: 自動実験は、ベイズ最適化の場合と同様に実験が始まる前に観測可能、利用可能な動作、目的が定義される場合に最も効果的である。 しかし、多くの探索実験では、サンプルを記述する変数はデータから抽出されなければならず、実験中に新しい操作が出現し、機器予算が小さすぎて試行錯誤によって問題を学ぶことができない。 本稿では,Scanning Probe Agentic Research Cycle (SPARC) フレームワークについて紹介する。 FINDINGS.mdは実験に関する段階的な結論を格納し、PITFALLS.mdは分析と機器の故障モードを学習した。 本研究ではSPARCを用いて(111)配向PbZr0.2 Ti0.8O3薄膜の面内超磁区方向を再構成する。 オペレーターが監督するキャンペーンにおいて、エージェントは以前の手動測定を再度分析し、極性の交互な定常バイアスパルスの配向格子を開発し、スーパードメイン方向を再構成した。 その後のエージェント制御キャンペーンでは、PITFALLS.mdエントリは、書き込み前に設計を検証するチェックにコンパイルされた。 実験により、格子とラメラ周期の正確な一致ではなく、空間的極性交代が方向選択を決定することが示された。 ラスタースキャンとマスクされたパルス格子を組み合わせることで、UTK文字を超ドメインの向きに印刷した。 このキャンペーンでは、機器実行の物理的検証、保存された結果が有効である条件、機器データに新しい観測可能な機器の検証、堅牢な制御プロトコルなど、エージェント実験の実践的な要件も特定した。

関連論文リスト

• Can AI Agents Simulate A/B Test Outcomes? A Validation Framework for Agentic Experimentation [1.4180331276028662]
  A/Bテストは、テクノロジ業界における新機能の標準であり続けている。 AIエージェントは、行動プロファイルと介入のコンテキスト記述に基づいて、--- 実際のトラフィックをコミットする前に、候補者の処置を精査するのに十分な結果をシミュレートできますか? 我々は,この問題をEmphSimulated Randomized Controlled Trial (S-RCT) として定式化し,エージェント近似誤差をサブサンプリング誤差から分離する2層誤差分解を導出する。
  論文  参考訳（メタデータ） (2026-08-03T14:58:06Z)
• AgentHPOBench: A Benchmark For Evaluating LLM Agents as Sequential Hyperparameter Optimizers [39.39345650320786]
  AgentHPOBenchは、7つの研究カテゴリにわたる30の実行可能な機械学習タスクからなる逐次ベンチマークである。 広範に使用されている12のエージェントと従来型のHPOベースラインを統一プロトコルで評価した。 その結果、現在のエージェントは、ドメイン間で測定可能な実験最適化能力を示すが、継続的改善、複雑なログ診断、報告された参照性能への一貫した進歩において、明確な制限に直面していることがわかった。
  論文  参考訳（メタデータ） (2026-07-31T16:58:00Z)
• Refusal Before Decoding: Detecting and Exploiting Refusal Signals in Intermediate LLM Activations [18.44975629076816]
  その結果, 出力発生前の中間アクティベーションで安全関連挙動が表現されることが示唆された。 本稿では,全モデル適合度評価を部分的に前進パスに置き換え,遺伝的プロンプト探索ループ内でプローブベースのスコアリングを行う,プローブ誘導型AutoDANについて紹介する。
  論文  参考訳（メタデータ） (2026-05-27T14:44:36Z)
• TapSampling: Inference-Time Sampling with a Task-Progress-Understanding Verifier for Robotic Manipulation [61.35569005726248]
  既存の具体的制御研究は、トレーニングデータとモデルサイズをスケールすることで、顕著なパフォーマンス向上を示す。 拡散や自己回帰モデルのような非決定論的生成モデルは、エンボディドコントロールの分野で広く採用されている。 推測時間サンプリングのためのプラグイン・アンド・プレイフレームワークである textbfTapSampling を提案する。
  論文  参考訳（メタデータ） (2026-05-25T08:03:31Z)
• Back to Source: Open-Set Continual Test-Time Adaptation via Domain Compensation [18.70132691409063]
  Test-Time Adaptationは、推論時間におけるトレーニングとテストドメイン間の分散シフトを軽減することを目的としている。 ドメインとセマンティックシフトの結合は、しばしば特徴空間を崩壊させ、分類とアウト・オブ・ディストリビューションの検出の両方を著しく劣化させる。 ドメイン適応とOOD検出を相乗的で閉ループで堅牢に行う軽量かつ効果的なフレームワークであるDOCOを提案する。
  論文  参考訳（メタデータ） (2026-04-23T15:29:29Z)
• Conformal Prediction with Cellwise Outliers: A Detect-then-Impute Approach [4.328280329592151]
  コンフォーマル予測はブラックボックスモデルの予測間隔を構築する強力なツールである。 本稿では,検出・入力共形予測という新しいフレームワークを提案する。 我々はPDI-CPとJDI-CPの2つの実用的なアルゴリズムを開発し、分布のないカバレッジ分析を提供する。
  論文  参考訳（メタデータ） (2025-05-08T06:43:18Z)
• Deployment Prior Injection for Run-time Calibratable Object Detection [58.636806402337776]
  検出器に追加のグラフ入力を導入し、事前にグラフが配置コンテキストを表す。 テストフェーズでは、事前に適切なデプロイメントコンテキストをグラフ編集を通じて検出器に注入することができる。 事前の配置が分かっていない場合でも、検出器は独自の予測を用いて、事前に近似した配置を用いて自己校正を行うことができる。
  論文  参考訳（メタデータ） (2024-02-27T04:56:04Z)
• Semi-DETR: Semi-Supervised Object Detection with Detection Transformers [105.45018934087076]
  半教師付き物体検出(SSOD)におけるDETRに基づくフレームワークの解析 本報告では,第1次変圧器を用いたエンド・ツー・エンド半教師対象検出器であるSemi-DETRについて述べる。 我々の手法は、最先端の手法をクリアマージンで上回る。
  論文  参考訳（メタデータ） (2023-07-16T16:32:14Z)
• Continual Detection Transformer for Incremental Object Detection [154.8345288298059]
  インクリメンタルオブジェクト検出(IOD)は、新しいオブジェクトカテゴリに対するアノテーションを備えた、フェーズ内のオブジェクト検出をトレーニングすることを目的としている。 他の段階的な設定として、IODは破滅的な忘れがちであり、知識蒸留(KD)や模範再生(ER)といった技術によってしばしば対処される。 本稿では,この文脈でKDとERを効果的に活用できるトランスフォーマーベースのIODを提案する。
  論文  参考訳（メタデータ） (2023-04-06T14:38:40Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• Detecting Rewards Deterioration in Episodic Reinforcement Learning [63.49923393311052]
  多くのRLアプリケーションでは、トレーニングが終了すると、エージェント性能の劣化をできるだけ早く検出することが不可欠である。 我々は,各エピソードにおける報酬が独立でもなく,同一に分散した,マルコフでもない,エピソード的枠組みを考察する。 平均シフトは、時間信号の劣化(報酬など)に対応する方法で定義し、最適な統計的パワーでこの問題の試行を導出する。
  論文  参考訳（メタデータ） (2020-10-22T12:45:55Z)

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。