論文の概要: El Agente Potente: High-Throughput Agentic Atomistic Simulations
- arxiv url: http://arxiv.org/abs/2609.14840v1
- Date: Sun, 13 Sep 2026 23:20:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:06.009659
- Title: El Agente Potente: High-Throughput Agentic Atomistic Simulations
- Title（参考訳）: El Agente Potente: 高速なエージェント原子論シミュレーション
- Abstract要約: 基礎的機械学習原子間ポテンシャル(MLIP)は、計算コストのごく一部で、大規模化学空間のほぼ初期精度を達成し、原子論シミュレーションを変換している。
我々は,型付き実行グラフと補完的な符号化モードを組み合わせたエージェントシステムであるEl Agente Potenteを紹介した。
- 参考スコア（独自算出の注目度）: 4.268668578817565
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Foundational machine-learning interatomic potentials (MLIPs) are transforming atomistic simulations by achieving near-ab initio accuracy across large chemical spaces at a fraction of the computational cost. A central challenge in using these tools for high-throughput property calculations is translating high-level scientific intent into adaptive simulation campaigns without compromising workflow rigour. We introduce El Agente Potente, an agentic system that combines typed execution graphs with a complementary coding mode for MLIPs-driven atomistic simulations. Typed execution graphs provide structured and provenance-aware execution for standardized workflows, with large language models (LLMs) restricted to planning and routing while deterministic Python components perform scientific computation and validation. Complementing this structured execution, a coding agent constructs customized workflows for tasks requiring greater procedural flexibility while invoking existing Potente functions for supported calculations. We demonstrate El Agente Potente across computational materials discovery, molecular energy-landscape exploration, adsorption, and catalytic reaction workflows, together with systematic benchmarks of reproducibility and LLM token cost. These results establish typed execution graphs and code-based workflow construction as complementary mechanisms for agentic scientific computing, combining controlled, auditable execution with the flexibility required for customized atomistic simulations
- Abstract（参考訳）: 基礎的機械学習原子間ポテンシャル(MLIP)は、計算コストのごく一部で、大規模化学空間のほぼ初期精度を達成し、原子論シミュレーションを変換している。
これらのツールを高スループット特性計算に使用する上での課題は、ワークフローの厳密さを損なうことなく、高レベルの科学的意図を適応シミュレーションキャンペーンに変換することである。
我々は,型付き実行グラフと補完的な符号化モードを組み合わせたエージェントシステムであるEl Agente Potenteを紹介した。
型付き実行グラフは、標準化されたワークフローに対して構造化および証明可能な実行を提供し、大きな言語モデル(LLM)は計画とルーティングに制限され、決定論的Pythonコンポーネントは科学的計算と検証を行う。
この構造化された実行を補完するコーディングエージェントは、計算をサポートするために既存のPotente関数を呼び出しながら、手続き的な柔軟性を必要とするタスクのためにカスタマイズされたワークフローを構築する。
計算機材料発見, 分子エネルギー・ランドスケープ探索, 吸着, 触媒反応のワークフロー, 再現性およびLLMトークンコストの体系的ベンチマークにまたがって, El Agente Potenteを実証した。
これらの結果は、制御された監査可能な実行とカスタマイズされた原子論シミュレーションに必要な柔軟性を組み合わせたエージェント科学計算の補完メカニズムとして、型付き実行グラフとコードベースのワークフロー構築を確立する。
関連論文リスト
- From Atomic to Agentic: Towards Interpretable Evaluation of LLMs' Agentic Mathematical Capabilities [103.60384544335072]
大規模言語モデル(LLM)は、エンドツーエンドの数学的推論からエージェントインテリジェンスの統合へと進化している。
本フレームワークは,問題解決エージェントの挙動を,再利用可能な数学的原子能力の構造化された分類法と整合させる。
実験により、同様のエンドツーエンドの精度を持つモデルでは、エージェント能力プロファイルが著しく異なることが判明した。
論文 参考訳（メタデータ） (2026-08-27T10:52:06Z) - CheMLFlow: An Open-Source Platform for Cheminformatics and Materials Informatics Applications [0.23090185577016445]
CheMLFlowは、エンドツーエンドの機械学習パイプラインの構築と実行のためのオープンソースのプラットフォームである。
CheMLFlowは、実行可能なリファレンスパイプライン、標準化されたアーティファクト、評価出力を提供する。
本稿では, 量子力学, 物理化学的, 生物活性特性予測のための性能に達するシステムアーキテクチャ, コア, 文学, ベンチマークについて述べる。
論文 参考訳（メタデータ） (2026-08-05T15:08:29Z) - From Atomic Actions to Standard Operating Procedures: Iterative Tool Optimization for Self-Evolving LLM Agents [90.3279207163486]
EvoSOPは、エージェントが実行軌跡からSOPを抽出し、反復的にツールセットを最適化することを可能にするフレームワークである。
EvoSOPはタスク成功率を大幅に向上し,インタラクションラウンドの回数を大幅に削減することを示す。
論文 参考訳（メタデータ） (2026-07-08T12:09:49Z) - ChemGraph-XANES: An Agentic Framework for XANES Simulation and Analysis [4.554542395453299]
ChemGraph-XANESはXANESの自動シミュレーションと分析のためのエージェントフレームワークである。
自然言語タスク仕様、構造取得、FDMNES入力生成、スペクトル正規化、データキュレーションを統一する。
論文 参考訳（メタデータ） (2026-04-17T16:15:19Z) - Multi-Agent Orchestration for High-Throughput Materials Screening on a Leadership-Class System [1.4669344809969722]
大規模言語モデル(LLM)は、自律的な意思決定において重要な役割を果たす。
我々は,高スループットスクリーニングキャンペーンを編成するスケーラブルで階層的なマルチエージェントフレームワークを提案する。
提案するエージェントフレームワークは,Auroraスーパーコンピュータ上での効率的かつスケーラブルな実行を可能にする。
論文 参考訳（メタデータ） (2026-04-09T01:01:11Z) - QUASAR: A Universal Autonomous System for Atomistic Simulation and a Benchmark of Its Capabilities [0.7519872646378835]
QUASARは、生産段階の科学的発見を促進するために設計された原子論シミュレーションのための普遍的な自律システムである。
我々は,光触媒スクリーニングや新規材料評価など,日常的な課題からフロンティア研究の課題まで,一連の3段階の課題に対してquariSARをベンチマークした。
その結果,quiSARはタスク固有の自動化フレームワークではなく,一般的な原子論的推論システムとして機能することが示唆された。
論文 参考訳（メタデータ） (2026-01-30T05:29:44Z) - Monadic Context Engineering [59.95390010097654]
本稿では,エージェント設計の正式な基盤を提供するために,モナディックコンテキストエンジニアリング(MCE)を紹介する。
我々は、モナドがロバストなコンポジションをどのように実現し、Applicativesが並列実行に原則化された構造を提供し、また、モナドトランスフォーマーがこれらの機能の体系的なコンポジションをどのように可能にしているかを実証する。
この階層化されたアプローチにより、開発者は、単純で独立した検証可能なコンポーネントから、複雑でレジリエントで効率的なAIエージェントを構築することができる。
論文 参考訳（メタデータ） (2025-12-27T01:52:06Z) - An Agentic Framework for Autonomous Materials Computation [70.24472585135929]
大規模言語モデル(LLM)は、科学的発見を加速するための強力なツールとして登場した。
近年の進歩はLLMをエージェントフレームワークに統合し、複雑な科学実験のための検索、推論、ツールの使用を可能にしている。
本稿では,第一原理計算の信頼性向上を目的としたドメイン特化エージェントを提案する。
論文 参考訳（メタデータ） (2025-12-22T15:03:57Z) - Agentic Predictor: Performance Prediction for Agentic Workflows via Multi-View Encoding [56.565200973244146]
Agentic Predictorは、効率的なエージェントワークフロー評価のための軽量な予測器である。
Agentic Predictorはタスク成功率の近似を学ぶことで、最適なエージェントワークフロー構成の迅速かつ正確な選択を可能にする。
論文 参考訳（メタデータ） (2025-05-26T09:46:50Z) - DSMoE: Matrix-Partitioned Experts with Dynamic Routing for Computation-Efficient Dense LLMs [86.76714527437383]
本稿では,事前学習したFFN層を計算ブロックに分割することで,分散化を実現するDSMoEを提案する。
我々は,Sigmoid アクティベーションとストレートスルー推定器を用いた適応型エキスパートルーティングを実装し,トークンがモデル知識の様々な側面に柔軟にアクセスできるようにする。
LLaMAモデルを用いた実験により、DSMoEは既存のプルーニング法やMoE法に比べて優れた性能を発揮することが示された。
論文 参考訳（メタデータ） (2025-02-18T02:37:26Z) - LLM Agent for Fire Dynamics Simulations [3.0031348283981987]
FoamPilotはFireFOAMのユーザビリティを高めるために設計された概念実証エージェントである。
FireFOAM は OpenFOAM を用いて構築された火災力学と火災抑制シミュレーションの解法である。
FoamPilotは、コードインサイト、ケース構成、シミュレーション評価の3つのコア機能を提供する。
論文 参考訳（メタデータ） (2024-12-22T20:03:35Z)
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。