論文の概要: False-science induction in autonomous scientific discovery

• arxiv url: http://arxiv.org/abs/2609.27883v1
• Date: Thu, 20 Aug 2026 18:06:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:56.001254
• Title: False-science induction in autonomous scientific discovery
• Title（参考訳）: 自律的科学的発見における偽科学の誘導
• Abstract要約: 正当性のある物理的物体と測定値が誤ってペアリングされた場合に、誤科学の帰結が生じることを示す。 また,コヒーレントなペア結合型ミスバインドは,実験予算を低性能盆地に体系的にリダイレクトすることを示した。
• 参考スコア（独自算出の注目度）: 0.5371337604556311
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Closed-loop discovery systems increasingly execute experiments and update decisions autonomously, turning record integrity into part of the experimental apparatus. We show that false-science induction arises when legitimate physical objects and measurements are paired incorrectly, driving neural surrogates to faithfully learn record-induced associations that do not correspond to the true object-outcome relationship while marginal data distributions remain unchanged. Across green fluorescent protein fitness and materials band-gap prediction loops, coherent paired misbinding systematically redirects experimental budgets toward low-performing basins, whereas same-volume random swaps have negligible effects. These observations identify error coherence, rather than raw error frequency, as the primary variable controlling this budget misallocation in the tested loops. The resulting binding identifiability boundary supports monitored-axis quarantines and feedback-conflict triage, which intercept over-concentrated proposals before execution and isolate the corrupted hypothesis axis.
• Abstract（参考訳）: クローズドループ発見システムは、実験を実行し、自律的に決定を更新し、記録の完全性を実験装置の一部に転換する。 正当性のある物理物体と測定値が誤ってペアリングされたときに、偽科学の帰結が生じることを示し、ニューラルサロゲートを駆動することで、限界データ分布が変化しつつも、真のオブジェクト・アウトカム関係と一致しない記録的帰結関係を忠実に学習する。 緑色蛍光タンパク質の適合性と材料バンドギャップ予測ループ全体において、コヒーレントペアのミスバインディングは、実験予算を低性能盆地に体系的にリダイレクトするが、同量ランダムスワップは無視できる効果を持つ。 これらの観測により、試験ループにおけるこの予算のずれを制御する一次変数として、生の誤差周波数よりも誤差コヒーレンスを同定した。 結果として生じる結合識別性境界は、監視された軸の隔離とフィードバック・コンフリクトのトリアージをサポートし、実行前に過剰に集中した提案を傍受し、破損した仮説軸を分離する。

関連論文リスト

• Attribution and Uncertainty Behavior of Learned Residual Gyro Correction for Gyro-Stellar Estimation [36.84730626907743]
  本研究では、ジャイロスコープバイアス補正のためのディープラーニングフレームワークにおける不確実性分解と説明可能性について検討する。 1次元畳み込みニューラルネットワークは、マルチセンサー入力から残差角率の補正を予測するために訓練される。 このネットワークは、平均補正と入力依存(ヘテロセダスティック)のアレタリック不確実性の両方を生成する。
  論文  参考訳（メタデータ） (2026-07-27T16:10:02Z)
• Neural Conjugate Aggregation: Identifiable Unsupervised Multi-Sensor Regression under Heterogeneous Sensor Bias [0.0]
  本研究では,不確実性下での回帰に基づくデータ融合について検討する。 この設定は、センサーネットワーク、シミュレーションアンサンブル、そして監視が費用がかかるか不可能である科学的な監視システムで発生する。 本稿では,ニューラルネットワークと共役ガウス推論を組み合わせた階層型ベイズフレームワークであるニューラル共役凝集モデル(NCAM)を提案する。
  論文  参考訳（メタデータ） (2026-06-20T19:30:21Z)
• Conditional Diffusion Under Linear Constraints: Langevin Mixing and Information-Theoretic Guarantees [10.73598638822051]
  線形逆問題に対する事前学習拡散モデルを用いたゼロショット条件付きサンプリングについて検討する。 このスコアを無条件の接点スコアで置き換える誤差は、観測されたコンポーネントと観測されていないコンポーネントの間の次元自由条件の相互情報によって上限づけられていることを証明する。
  論文  参考訳（メタデータ） (2026-05-06T19:19:54Z)
• Partial Causal Structure Learning for Valid Selective Conformal Inference under Interventions [0.0]
  ゲノミクスの実験では、交換可能性はしばしば、対象変数を「影響を受けない」ままにしておく介入のサブセットにのみ保持される。 i)「影響のない」キャリブレーション例の誤分類が、明示的な関数$g(,n)$の汚染分数とキャリブレーションセットサイズを介してどのようにカバレッジを劣化させるか、および (ii) 2つの後続指標$Z_a,i=mathbf1iinmathrmdesc(a)$のみを推定するタスク駆動部分因果学習の定式化。
  論文  参考訳（メタデータ） (2026-03-02T18:58:22Z)
• Cross-Validated Causal Inference: a Modern Method to Combine Experimental and Observational Data [48.72384067821617]
  我々は、因果推論において実験データと観測データを統合するための新しい手法を開発した。 実験と観測の損失の重み付けを最小化することにより、因果パラメータを含む完全なモデルを得る。 実データおよび合成データを用いた実験により,本手法の有効性と信頼性が示された。
  論文  参考訳（メタデータ） (2025-11-01T22:24:16Z)
• Data Fusion for Partial Identification of Causal Effects [62.56890808004615]
  本稿では,研究者が重要な疑問に答えられるような,新しい部分的識別フレームワークを提案する。 因果効果は肯定的か否定的か? 本研究の枠組みをSTARプロジェクトに適用し,第3級の標準試験性能に対する教室規模の影響について検討する。
  論文  参考訳（メタデータ） (2025-05-30T07:13:01Z)
• Nonparametric Identifiability of Causal Representations from Unknown Interventions [63.1354734978244]
  本研究では, 因果表現学習, 潜伏因果変数を推定するタスク, およびそれらの変数の混合から因果関係を考察する。 我々のゴールは、根底にある真理潜入者とその因果グラフの両方を、介入データから解決不可能なあいまいさの集合まで識別することである。
  論文  参考訳（メタデータ） (2023-06-01T10:51:58Z)
• Unitary Interactions Do Not Yield Outcomes: Attempting to Model "Wigner's Friend" [0.0]
  The experiment by Proietti it et al purporting to instantiate the Wigner's Friend' thought experiment is discussed。 異なる観察者による事実の不一致を疑う実験の意義は、批判的レビューを必須としていることが指摘されている。
  論文  参考訳（メタデータ） (2021-05-04T21:38:41Z)
• Efficient Causal Inference from Combined Observational and Interventional Data through Causal Reductions [68.6505592770171]
  因果効果を推定する際の主な課題の1つである。 そこで本研究では,任意の数の高次元潜入共創者を置き換える新たな因果還元法を提案する。 パラメータ化縮小モデルを観測データと介入データから共同で推定する学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-03-08T14:29:07Z)
• Weakly-Supervised Cross-Domain Adaptation for Endoscopic Lesions Segmentation [79.58311369297635]
  異なるデータセットにまたがるトランスファー可能なドメイン不変知識を探索できる,新しい弱い教師付き病巣移動フレームワークを提案する。 wasserstein quantified transferability frameworkは、広い範囲の転送可能なコンテキスト依存性を強調するために開発されている。 新規な自己監督型擬似ラベル生成器は、送信困難かつ転送容易なターゲットサンプルの両方に対して、確実な擬似ピクセルラベルを等しく提供するように設計されている。
  論文  参考訳（メタデータ） (2020-12-08T02:26:03Z)

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。