論文の概要: AbsorbEvo: An Agentic Framework for Autonomous Inverse Design of Microwave Absorbers

• arxiv url: http://arxiv.org/abs/2610.01119v1
• Date: Thu, 01 Oct 2026 06:02:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.925391
• Title: AbsorbEvo: An Agentic Framework for Autonomous Inverse Design of Microwave Absorbers
• Title（参考訳）: AbsorbEvo:マイクロ波吸収体の自動逆設計のためのエージェントフレームワーク
• Abstract要約: AbsorbEvoはマイクロ波吸収器の自律的逆設計のためのフレームワークである。 システムは指示インクリメントとグローバルサンプリングを組み合わせて候補を生成する。 身体的妥当性検査を通した結果を用いて, 評価を行い, その後の探索を指導する。
• 参考スコア（独自算出の注目度）: 1.8843687952462742
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Designing high-performance microwave absorbers requires specialized expertise in electromagnetic theory, materials science and simulation programming, and entails time-consuming optimization. Here, we present AbsorbEvo, an agentic framework for autonomous inverse design that translates natural-language performance objectives into designs verified by full-wave simulations. Its candidate evolution strategy integrates language reasoning, physics-based prediction and historical feedback. A large language model proposes the directions and magnitudes of parameter adjustments based on task objectives and computational history. The system combines directed increments with global sampling to generate candidates and uses a low-cost predictive model as a physics prior to rank them. Only high-ranking designs undergo full-wave simulation. Results passing physical validity checks are used to evaluate performance and guide subsequent search. Experience from training tasks is further distilled into textual skills, which are independently validated before use in new tasks. Under identical proposal budgets on held-out AbsorbBench-36 tasks, AbsorbEvo achieved a task success rate of 79.17%, versus 25.00% for a generic agent and 12.50% for random search. Its mean best coverage was 0.7816, compared with 0.6434 and 0.6448, respectively. By integrating language reasoning and physics-based feedback into design decisions, AbsorbEvo provides a methodological foundation for natural-language-driven autonomous inverse design of microwave absorbers.
• Abstract（参考訳）: 高性能マイクロ波吸収体の設計には、電磁理論、材料科学、シミュレーションプログラミングの専門知識が必要であり、時間を要する最適化が必要である。 本稿では、AbsorbEvoについて述べる。AbsorbEvoは、自然言語のパフォーマンス目標をフルウェーブシミュレーションによって検証された設計に変換する、自律的逆設計のためのエージェントフレームワークである。 その候補となる進化戦略は、言語推論、物理に基づく予測、歴史的フィードバックを統合している。 大規模言語モデルでは,タスク目標と計算履歴に基づいてパラメータ調整の方向と大きさを提案する。 このシステムは、有向インクリメントとグローバルサンプリングを組み合わせて候補を生成し、それらをランク付けする前に低コストの予測モデルを使用する。 フルウェーブシミュレーションを行うのは、高級な設計のみである。 身体的妥当性検査を通した結果を用いて, 評価を行い, その後の探索を指導する。 トレーニングタスクの経験は、新たなタスクで使用する前に独立して検証されるテキストスキルにさらに掘り下げられる。 AbsorbBench-36タスクに対する同じ提案予算の下で、AbsorbEvoは79.17%のタスク成功率を達成したが、ジェネリックエージェントは25.00%、ランダム検索は12.50%だった。 平均カバレッジは0.7816で、それぞれ0.6434と0.6448である。 言語推論と物理に基づくフィードバックを設計決定に統合することにより、AbsorbEvoはマイクロ波吸収器の自然言語駆動の自律的逆設計のための方法論的基盤を提供する。

関連論文リスト

• Artificial Neural Networks as Surrogate Models in Black Box Optimization [0.0]
  ブラックボックス最適化(BBO)は、いくつかの工学分野に適用され、数値測度とシミュレーション技術の進歩を利用することができる。 サーチスペース内の入力ポイントのみを必要とするメトオドに依存し、対応する目的関数値とペアリングし、センサ、実験、シミュレーションなどの非分析手段によって得られる。 BBO法は目的関数の値にのみ依存するため、一般に多くの評価を必要とする。 本稿では,ニューラルネットワークを用いた新しいサロゲートモデルを提案する。
  論文  参考訳（メタデータ） (2026-09-16T09:45:37Z)
• Code Consistency Preference Optimization Verification for Language Model Alignment [4.019632358747631]
  本稿では,実行-一貫性のある優先最適化のための依存グラフを用いた計算音響解を生成する手法を提案する。 我々は,UltraFeedbackプロンプト,モデル生成,検証,一貫性結果を用いて,科学的推論データセットを構築した。 微調整のLlama-3-8BとDeepSeekMath-7Bは、MATHでは+17.0%、GSM8Kでは+15.1%という大きな利益をもたらす。
  論文  参考訳（メタデータ） (2026-07-18T09:51:13Z)
• Teaching Language Models to Forecast Research Success Through Comparative Idea Evaluation [4.702729080310267]
  PapersWithCodeの客観的な結果に基づいて,11,488のアイデアペアのデータセットを構築した。 我々は、潜在的推論経路を発見するためにモデルを訓練し、解釈可能な正当化で71.35%を達成した。 この結果から,計算効率のよい小言語モデルが,有効で客観的な検証手段として有効であることが示唆された。
  論文  参考訳（メタデータ） (2026-04-06T19:03:11Z)
• Denoising Particle Filters: Learning State Estimation with Single-Step Objectives [2.320417845168326]
  本研究では,個々の状態遷移からモデルを訓練する新しい粒子フィルタリングアルゴリズムを提案する。 シミュレーションにおけるロボット状態推定タスクの課題に対する提案手法の評価を行った。
  論文  参考訳（メタデータ） (2026-02-23T09:53:23Z)
• GRACE: an Agentic AI for Particle Physics Experiment Design and Simulation [0.0]
  GRACEは、高エネルギー・核物理学における自律的な実験設計のためのシミュレーションネイティブエージェントである。 第一原理モンテカルロ法による設計変更を自律的に探索する。 それは、繰り返しシミュレーション、物理動機付きユーティリティ機能、予算対応エスカレーションを通じて、候補設計を評価する。
  論文  参考訳（メタデータ） (2026-01-31T01:12:55Z)
• Self-Exploring Language Models: Active Preference Elicitation for Online Alignment [88.56809269990625]
  本研究では, 分布域外領域を積極的に探索するために, 潜在的に高次応答に対して楽観的に偏りを呈する2段階的客観性を提案する。 実験の結果,Zephyr-7B-SFTとLlama-3-8B-Instructモデルで微調整した場合,SELM(Self-Exploring Language Models)は命令追従ベンチマークの性能を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2024-05-29T17:59:07Z)
• Enhanced Bayesian Optimization via Preferential Modeling of Abstract Properties [49.351577714596544]
  本研究では,非測定抽象特性に関する専門家の嗜好を代理モデルに組み込むための,人間とAIの協調型ベイズフレームワークを提案する。 優先判断において、誤った/誤解を招く専門家バイアスを処理できる効率的な戦略を提供する。
  論文  参考訳（メタデータ） (2024-02-27T09:23:13Z)
• How to Estimate Model Transferability of Pre-Trained Speech Models? [84.11085139766108]
  事前学習音声モデルの伝達可能性推定のためのスコアベースアセスメントフレームワーク ベイズ確率推定と最適輸送という2つの表現理論を利用して、PSM候補のランクスコアを生成する。 本フレームワークは,候補モデルやレイヤを実際に微調整することなく,転送可能性スコアを効率的に計算する。
  論文  参考訳（メタデータ） (2023-06-01T04:52:26Z)
• Self-Normalized Importance Sampling for Neural Language Modeling [97.96857871187052]
  本研究では, 自己正規化重要度サンプリングを提案し, これまでの研究と比較すると, 本研究で考慮された基準は自己正規化されており, さらに修正を行う必要はない。 提案する自己正規化重要度サンプリングは,研究指向と生産指向の両方の自動音声認識タスクにおいて競合することを示す。
  論文  参考訳（メタデータ） (2021-11-11T16:57:53Z)

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。