Fugu-MT 論文翻訳(概要): Autonomous Chemical Mechanistic Discovery through Agentic Reasoning and Validation

論文の概要: Autonomous Chemical Mechanistic Discovery through Agentic Reasoning and Validation

arxiv url: http://arxiv.org/abs/2609.11147v1
Date: Thu, 10 Sep 2026 06:49:24 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-11 23:53:35.235548
Title: Autonomous Chemical Mechanistic Discovery through Agentic Reasoning and Validation
Title（参考訳）: エージェント推論とバリデーションによる自律的化学機械的発見
Abstract要約: ARCHEは汎用推論モデル、ドメイン特化計算化学モデル、構造化ツールレジストリを統合する自律エージェントシステムである。科学的な疑問を解釈し、機械論的な仮説を生成し、計算の選択性を編成し、計算された証拠に基づいて結論を反復的に洗練する。エージェント推論と厳密な計算検証を結合することにより、ARCHEは自律的な機械学的な発見を進め、より広範な機械支援化学研究の基礎を確立する。
参考スコア（独自算出の注目度）: 46.063922326510855
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Unraveling reaction mechanisms is central to modern chemistry, yet automating these investigations remains challenging because computational workflows still rely heavily on expert intervention. Here we introduce ARCHE, an autonomous agentic system that integrates a general-purpose reasoning model, a domain-specialized computational chemistry model, and a structured tool registry to transform mechanistic inquiry into a scalable, self-validating process. ARCHE interprets scientific questions, generates and prioritizes mechanistic hypotheses, orchestrates computational workflows, and iteratively refines conclusions based on computed evidence within a closed loop. We validate its capabilities across three increasingly demanding scenarios: reconstructing stereocontrolling transition states and validating the corresponding reaction mechanism in a previously reported asymmetric catalytic reaction; proposing and validating a plausible radical pathway through iterative hypothesis refinement for a recently discovered but unpublished $α$-iodoboronate C-I cleavage reaction; and identifying a chemically interpretable descriptor that governs selectivity in nickel-catalysed migratory cross-coupling reactions. By coupling agentic reasoning with rigorous computational validation, ARCHE advances autonomous mechanistic discovery and establishes a foundation for broader machine-assisted chemical research. The code for ARCHE is publicly available at https://github.com/JetAstra/Arche-Harness.
Abstract（参考訳）: アンラベリング反応機構は現代の化学の中心であるが、計算ワークフローは依然として専門家の介入に大きく依存しているため、これらの研究を自動化することは依然として困難である。本稿では、汎用推論モデル、ドメイン特化計算化学モデル、構造化ツールレジストリを統合し、機械的探究をスケーラブルで自己検証的なプロセスに変換する自動エージェントシステムARCHEを紹介する。 ARCHEは科学的な疑問を解釈し、機械論的仮説を生成・優先順位付けし、計算ワークフローを編成し、クローズドループ内で計算された証拠に基づいて結論を反復的に洗練する。これまでに報告された非対称触媒反応における立体制御遷移状態の再構成と対応する反応機構の検証、最近発見されたが未発表の$α$-iodoboroughnate C-I切断反応の反復的仮説改善による可塑性ラジカル経路の提案と検証、ニッケル触媒による移動結合反応における選択性を制御する化学的解釈可能な記述子を同定する。エージェント推論と厳密な計算検証を結合することにより、ARCHEは自律的な機械学的な発見を進め、より広範な機械支援化学研究の基礎を確立する。 ARCHEのコードはhttps://github.com/JetAstra/Arche-Harnessで公開されている。

関連論文リスト

Provably Secure Agent Guardrail [89.79561918065122]
既存の防衛アーキテクチャは経験的セマンティックガードレールと確率論的大モデル調整器に依存している。本稿では,論理的推論の基本的制約に基づくエージェントのための新しいセキュリティパラダイムを提案する。
論文参考訳（メタデータ） (2026-05-28T02:12:41Z)
AgentCAT: An LLM Agent for Extracting and Analyzing Catalytic Reaction Data from Chemical Engineering Literature [55.66036140125613]
本稿では,化学工学論文から触媒反応データを抽出し,解析する大規模言語モデル (LLM) エージェントであるAgentCATを提案する。 AgentCATは、化学工学分野における長年のデータボトルネックを克服する代替手段として機能する。
論文参考訳（メタデータ） (2026-02-10T04:30:11Z)
A Scientific Reasoning Model for Organic Synthesis Procedure Generation [12.609346156252393]
本稿では、精密な構造化実験手順を生成できる科学的推論言語モデルQFANGを提案する。本稿では,大規模に化学知識を基盤としたチェーン・オブ・シントデータを生成する,化学誘導推論(CGR)フレームワークを提案する。 RLVR(Reinforcement Learning from Verifiable Rewards)を応用して、手続き精度をさらに向上する。
論文参考訳（メタデータ） (2025-12-15T18:55:39Z)
Teaching Language Models Mechanistic Explainability Through Arrow-Pushing [3.488381738536745]
化学反応機構は合成可能性に重要な洞察を与える。現在のコンピュータ支援合成計画 (CASP) システムには機械的基礎が欠如している。本稿では,化学反応のメカニズムを予測するために,言語モデルを教えるための計算フレームワークを提案する。
論文参考訳（メタデータ） (2025-12-05T13:57:50Z)
From What to Why: A Multi-Agent System for Evidence-based Chemical Reaction Condition Reasoning [15.34060627861624]
ChemMASは、条件予測をエビデンスベースの推論タスクとして再設定するマルチエージェントシステムである。 ChemMASはドメイン固有のベースラインよりも20～35%向上し、Top-1精度で汎用LLMを10～15%上回る。
論文参考訳（メタデータ） (2025-09-28T09:34:35Z)
Beyond Chemical QA: Evaluating LLM's Chemical Reasoning with Modular Chemical Operations [43.623140005091535]
我々は、分子構造理解を算術に着想を得た演算でブリッジする推論フレームワークであるChemCoTBenchを紹介する。 ChemCoTBenchは、化学的問題解決を透明でステップバイステップの推論に形式化する。分子特性最適化と化学反応予測という2つの高影響タスクのモデルを評価する。
論文参考訳（メタデータ） (2025-05-27T15:15:44Z)
Learning Chemical Reaction Representation with Reactant-Product Alignment [50.28123475356234]
RAlignは、様々な有機反応関連タスクのための新しい化学反応表現学習モデルである。反応物質と生成物との原子対応を統合することにより、反応中に起こる分子変換を識別する。モデルが重要な機能群に集中できるように,反応中心認識型アテンション機構を導入する。
論文参考訳（メタデータ） (2024-11-26T17:41:44Z)
ReactAIvate: A Deep Learning Approach to Predicting Reaction Mechanisms and Unmasking Reactivity Hotspots [4.362338454684645]
我々は,反応ステップ分類の精度を96%とほぼ均一に達成した,解釈可能な注意に基づくGNNを開発した。我々のモデルは、配布外クラスからでも、キー原子を十分に識別します。この一般性は、モジュラーな方法で新しい反応型を包含することができるため、新しい分子の反応性を理解するための専門家にとって価値がある。
論文参考訳（メタデータ） (2024-07-14T05:53:18Z)
Chemist-X: Large Language Model-empowered Agent for Reaction Condition Recommendation in Chemical Synthesis [55.30328162764292]
Chemist-Xは、化学合成における反応条件最適化(RCO)タスクを自動化する包括的なAIエージェントである。このエージェントは、検索強化世代(RAG)技術とAI制御のウェットラブ実験を実行する。我々の自動ウェットラブ実験の結果は、LLMが制御するエンドツーエンドの操作を、ロボットに人間がいない状態で行うことで達成され、Chemist-Xの自動運転実験における能力が証明された。
論文参考訳（メタデータ） (2023-11-16T01:21:33Z)
Retrosynthesis Prediction with Conditional Graph Logic Network [118.70437805407728]
コンピュータ支援のレトロシンセシスは、化学と計算機科学の双方から新たな関心を集めている。本稿では,グラフニューラルネットワーク上に構築された条件付きグラフィカルモデルであるConditional Graph Logic Networkを用いて,この課題に対する新しいアプローチを提案する。
論文参考訳（メタデータ） (2020-01-06T05:36:57Z)

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。