論文の概要: Recursive Improvement of a Differentiable Scientific Software Ecosystem

• arxiv url: http://arxiv.org/abs/2610.04561v1
• Date: Sat, 03 Oct 2026 14:51:09 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-06 21:31:53.257164
• Title: Recursive Improvement of a Differentiable Scientific Software Ecosystem
• Title（参考訳）: 微分可能な科学ソフトウェアエコシステムの再帰的改善
• Abstract要約: 微分可能プログラミングは、科学計算と勾配に基づく推論、学習、設計を結びつける。 AIコーディングエージェントは、この変換を加速することができるが、それらの能力を有用な科学的ソフトウェアに翻訳するには、研究ニーズを特定し、実装がどの程度うまく適合しているかを評価する必要がある。 本稿では,要求の識別,開発,品質評価を結びつける,異種科学ソフトウェアをエージェント駆動で進化させる環境を提案する。
• 参考スコア（独自算出の注目度）: 12.150259143404293
• License:
• Abstract: Differentiable programming connects scientific computation with gradient-based inference, learning and design. Extending these capabilities across a heterogeneous software ecosystem requires specialized effort to implement derivatives, integrate interfaces and evaluate quality. AI coding agents can accelerate this transformation, but translating their capabilities into useful scientific software requires identifying research needs and evaluating how well implementations meet them. We present an environment for agent-driven evolution of differentiable scientific software that connects demand identification, development and quality evaluation. A unified differentiation interface exposes reusable derivative rules alongside existing numerical routines, allowing research tasks to share these capabilities. Research requirements guide development, with implementations assessed through independent derivative checks, workflow tests and performance evaluation. Validated software, research programs and tests become shared resources for subsequent studies. We construct and validate automatic differentiation extensions across 20 packages spanning physical, chemical and biological modeling, with research workflows demonstrating reuse across tasks. Benchmarks demonstrate computational savings over finite differences in gradient evaluation and complete parameter estimation. Research-driven revisions make previously unsupported workflows differentiable, correct derivatives of scientific observables and eliminate redundant computation. Quantum-control and thermal-design studies revise objectives in response to physical evaluation, improving designs while reusing existing derivatives. This work provides a practical approach to expanding differentiable programming across established scientific software and organizing AI agents around the recursive improvement of a shared computational ecosystem.
• Abstract（参考訳）: 微分可能プログラミングは、科学計算と勾配に基づく推論、学習、設計を結びつける。 これらの機能を異質なソフトウェアエコシステムに拡張するには、デリバティブを実装し、インターフェースを統合し、品質を評価するための特別な努力が必要です。 AIコーディングエージェントは、この変換を加速することができるが、それらの能力を有用な科学的ソフトウェアに翻訳するには、研究ニーズを特定し、実装がどの程度うまく適合しているかを評価する必要がある。 本稿では,要求の識別,開発,品質評価を結びつける,異種科学ソフトウェアをエージェント駆動で進化させる環境を提案する。 統合微分インタフェースは、既存の数値ルーチンと並行して再利用可能なデリバティブルールを公開し、研究タスクがこれらの機能を共有することを可能にする。 独立したデリバティブチェック、ワークフローテスト、パフォーマンス評価を通じて実装を評価する。 検証済みのソフトウェア、研究プログラム、テストは、その後の研究のための共有リソースとなる。 物理・化学的・生物学的モデリングにまたがる20パッケージにわたる自動微分拡張を構築し,評価し,タスク間の再利用を実証する研究ワークフローを構築した。 ベンチマークは、勾配評価と完全パラメータ推定の有限差に対する計算的節約を示す。 研究主導の改訂は、既定のワークフローを識別可能とし、科学的観測可能の正しいデリバティブを作成し、冗長な計算を排除している。 量子制御と熱設計の研究は、物理的評価に反応して目的を見直し、既存の誘導体を再利用しながら設計を改善した。 この研究は、確立された科学ソフトウェア間での差別化可能なプログラミングの拡大と、共有計算エコシステムの再帰的な改善に関するAIエージェントの組織化に関する実践的なアプローチを提供する。

関連論文リスト

• InterEvolve: Test-Time Evolution of Reward Programs for Humanoid Loco-Manipulation [54.00038257772902]
  ヒューマノイド・ロコ・マニピュレーションの試験時間進化について検討した。 私たちの重要な洞察は、ワイドコントローラが、新しいタスクに必要な能力の多くをすでに持っていることです。 InterEvolveはこのインターフェースを2つのコンポーネントで実現している。
  論文  参考訳（メタデータ） (2026-10-01T17:59:40Z)
• OSWorld-Science: A Benchmark of Computer Use Agents for Learning and Using Scientific Software [54.375425166090245]
  OSWorldScienceは、科学的に意味のあるタスク、アーティファクト評価、効率的なエージェントハーネスを組み合わせたベンチマークと評価環境である。 ベンチマークには12のVLMと、いくつかの科学領域とソフトウェア構成にわたる146の高品質タスクが含まれている。 以上の結果から,現在の最先端のVLMは,科学的領域において重要な問題に対処する上で,依然として課題に直面していることが明らかとなった。
  論文  参考訳（メタデータ） (2026-09-30T15:03:05Z)
• AutoResearch AI: Towards AI-Powered Research Automation for Scientific Discovery [184.2309450554096]
  AutoResearchはAIを活用した科学ワークフロー自動化の開発スペクトルとして定義されている。 我々は、研究システムが制御、エビデンス、実行、検証、説明責任を再分配し、その分野を組織化する方法について分析する。 本稿では,5つの評価次元 – ノベルティ,インパクト,信頼性,証明 – を提案し,AutoResearchの自律性はドメイン条件であることを示す。
  論文  参考訳（メタデータ） (2026-05-22T03:40:30Z)
• AInsteinBench: Benchmarking Coding Agents on Scientific Repositories [33.48206557020983]
  AInsteinBenchは、大規模言語モデル(LLM)エージェントが科学計算開発エージェントとして動作するかどうかを評価するための大規模なベンチマークである。 AInsteinBenchは、表面レベルのコード生成を超えて、計算科学研究に必要なコア能力に移行するモデルの能力を測定する。
  論文  参考訳（メタデータ） (2025-12-24T08:11:11Z)
• SelfAI: Building a Self-Training AI System with LLM Agents [79.10991818561907]
  SelfAIは、高レベルの研究目的を標準化された実験構成に変換するためのUser Agentを組み合わせた、一般的なマルチエージェントプラットフォームである。 実験マネージャは、連続的なフィードバックのための構造化知識ベースを維持しながら、異種ハードウェアをまたいだ並列かつフォールトトレラントなトレーニングを編成する。 回帰、コンピュータビジョン、科学計算、医用画像、薬物発見ベンチマークなどを通じて、SelfAIは一貫して高いパフォーマンスを達成し、冗長な試行を減らしている。
  論文  参考訳（メタデータ） (2025-11-29T09:18:39Z)
• ScienceBoard: Evaluating Multimodal Autonomous Agents in Realistic Scientific Workflows [82.07367406991678]
  大規模言語モデル(LLM)は自然言語処理を超えてその影響を拡大している。 これらのうち、コンピュータ利用エージェントは、人間がしているようにオペレーティングシステムと対話することができる。 我々はScienceBoardを紹介し、ダイナミックで視覚的にリッチな科学ソフトウェアを特徴とする現実的でマルチドメイン環境を包含する。
  論文  参考訳（メタデータ） (2025-05-26T12:27:27Z)
• A Dataset For Computational Reproducibility [2.147712260420443]
  本稿では、幅広い分野の科学分野をカバーする計算実験のデータセットを紹介する。 ソフトウェア依存関係、実行手順、正確な再現に必要な設定の詳細が組み込まれている。 ツールの有効性を客観的に評価し比較するための標準化データセットを確立することで、普遍的なベンチマークを提供する。
  論文  参考訳（メタデータ） (2025-04-11T16:45:10Z)
• Interactive Multi-Objective Evolutionary Optimization of Software Architectures [0.0]
  人間をループに入れることで、検索ベースのソフトウェアエンジニアリング分野に新たな課題がもたらされる。 本稿では,人間の判断を探索プロセスに統合するための基礎として,インタラクティブな進化的計算がいかに役立つかを考察する。
  論文  参考訳（メタデータ） (2024-01-08T19:15:40Z)
• Managing Software Provenance to Enhance Reproducibility in Computational Research [1.1421942894219899]
  計算に基づく科学研究の管理は、個人の好みと研究の性質に基づいて実験を設計する個々の研究者に委ねられることが多い。 我々は、研究者がトレーサビリティーの明確な記録を提供するための実行環境を明示的に作成することで、計算に基づく科学研究の品質、効率、そして改善できると考えている。
  論文  参考訳（メタデータ） (2023-08-29T21:13:18Z)

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。