論文の概要: Beyond Equation Search: Conjecture-Guided Discovery with SCOPE and ClosureBench
- arxiv url: http://arxiv.org/abs/2610.18938v1
- Date: Tue, 13 Oct 2026 12:46:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.729922
- Title: Beyond Equation Search: Conjecture-Guided Discovery with SCOPE and ClosureBench
- Title（参考訳）: Beyond Equation Search: Conjecture-Guided Discovery with SCOPE and ClosureBench
- Abstract要約: SCOPEは複数の予想駆動の研究軌道を維持している。
ClosureBenchは、方程式発見に具体的な科学的目的を与えるクロージャ発見タスクに焦点を当てている。
SCOPEは多様なベースラインと比較して、ClosureBenchと現実世界の科学的発見ケースの両方で高い方程式精度を達成する。
- 参考スコア（独自算出の注目度）: 57.05958395368265
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Most symbolic regression methods optimize candidate equations, but improving an equation's fit does not establish whether its underlying scientific conjecture should be retained, revised, or rejected. A conjecture may admit multiple mathematical realizations, and similarly accurate equations may imply different explanations. This motivates a shift from refining individual expressions to developing and testing the conjectures that guide them. We introduce SCOPE, a framework that sustains multiple conjecture-driven research trajectories. Multiple scientist agents independently pursue conjectures through equation modeling, question formulation, and active experimentation, then exchange evidence to revise their conjectures and research directions. Their findings are consolidated into a scientific report linking models, conclusions, and evidence. Existing equation-discovery benchmarks primarily assess recovered expressions, leaving the evidence and scientific conclusions established through the investigation underexamined. We therefore introduce ClosureBench, an interactive benchmark of 60 closure-discovery tasks across five scientific domains. ClosureBench focuses on closure-discovery tasks to give equation discovery a concrete scientific purpose. Each task embeds an unknown algebraic relation in a known PDE system, where agents control experimental conditions in OpenFOAM to acquire new data for equation discovery. Beyond equation accuracy, ClosureBench proposes three metrics to evaluate the discovery process: evidence faithfulness, mechanism insight, and experimental effectiveness. Compared with diverse baselines, SCOPE achieves higher equation accuracy on both ClosureBench and a real-world scientific discovery case, while producing more accurate, reliable, and effective scientific discoveries.
- Abstract（参考訳）: ほとんどのシンボリック回帰法は、候補方程式を最適化するが、方程式の適合性を改善することは、その基礎となる科学的予想が維持されるか、修正されるか、拒否されるべきかを定めていない。
予想は複数の数学的実現を許容し、同様に正確な方程式は異なる説明を暗示する。
これは、個々の表現の精製から、それらを導く予想の開発とテストへの移行を動機付けている。
複数の予想駆動型研究軌道を維持するフレームワークであるSCOPEを紹介する。
複数の科学者エージェントは、方程式モデリング、疑問定式化、活発な実験を通じて予想を独自に追求し、その予想と研究の方向性を変更するために証拠を交換する。
これらの発見は、モデル、結論、証拠を結びつけた科学的報告書にまとめられている。
既存の方程式発見ベンチマークは、主に回復した表現を評価し、調査を通じて確立された証拠と科学的結論は過小評価された。
そこでClosureBenchは、5つの科学領域にわたる60のクロージャ発見タスクの対話型ベンチマークである。
ClosureBenchは、方程式発見に具体的な科学的目的を与えるクロージャ発見タスクに焦点を当てている。
各タスクは未知の代数的関係を既知のPDEシステムに埋め込み、エージェントはOpenFOAMの実験条件を制御し、方程式発見のための新しいデータを取得する。
ClosureBench氏は、方程式の正確性以外にも、エビデンス忠実性、メカニズムの洞察、実験的有効性という、発見プロセスを評価するための3つの指標を提案している。
SCOPEは多様なベースラインと比較して、ClosureBenchと現実世界の科学的な発見事例の両方で高い方程式精度を達成し、より正確で信頼性があり、効果的な科学的発見を生み出している。
関連論文リスト
- Replications, Revisions, and Reanalyses: Managing Empirical Evidence in Software Engineering [6.147136878250444]
分散理論の妥当性は、複数の証拠の合成に由来する。
SEにおける研究合成は稀であり、ほとんどの場合、純粋な物語合成に限られる。
実証された個々のメソッドフラグメントから研究合成を行うためのフレームワークを構築するために,手法工学を適用した。
論文 参考訳（メタデータ） (2026-09-05T08:57:53Z) - EvoSCM: Scientific Belief Revision Through Causal Model Evolution and Experimentation [68.80901568810616]
EvoSCMは、新しい証拠が収集されるにつれて進化する明確な構造因果モデルを持つ科学エージェントを装備することを目的としている。
EvoSCM onPhysicsはエージェントが実験を通して非標準物理世界の隠れたダイナミクスを明らかにするのに必要なベンチマークである。
論文 参考訳（メタデータ） (2026-09-01T16:55:56Z) - Learning the Geometry of Admissible Hypotheses through Inductive Bias in Training Distributions [3.8824066002669855]
本稿では、科学的帰納バイアスを直接トレーニング分布に埋め込むことにより、許容偏微分方程式(PDE)の連続潜在表現を学習するための枠組みを提案する。
実験の結果, 結果の11次元表現は, 代表PDEの広いコレクションを正確に再構成することがわかった。
論文 参考訳（メタデータ） (2026-08-31T16:09:41Z) - Embodied Science: Closing the Discovery Loop with Agentic Embodied AI [73.54118756665221]
我々は、科学的発見をクローズドループとして再編成し、エージェント推論と物理的実行を密結合するパラダイムであるエンボディド・サイエンスを論じる。
本研究では,実験環境の知覚,科学的知識の推論,身体的介入の実行,その後の探索を促進するための成果の内在化といった,統合された知覚・言語・行動発見(PLAD)フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-20T09:20:12Z) - Deciphering Scientific Reasoning Steps from Outcome Data for Molecule Optimization [22.850204283344524]
結果から科学的推論を解読するフレームワークであるDESROを提案する。
グループ化されたデータ内の共有パターンと重要な違いを分析することで、大きな言語モデル(LLM)が基盤となるロジックを復元することができる。
我々はこの枠組みを分子最適化において、薬物発見の重要な段階としてインスタンス化する。
論文 参考訳（メタデータ） (2026-03-13T06:25:27Z) - FIRE-Bench: Evaluating Agents on the Rediscovery of Scientific Insights [63.32178443510396]
FIRE-Bench (Full-cycle Insight Rediscovery Evaluation) は、確立された発見の再検討を通じてエージェントを評価するベンチマークである。
最強のエージェントでさえ、限られた再発見成功(50 F1)を達成し、実行中に高いばらつきを示し、実験的な設計、実行、エビデンスに基づく推論において繰り返し失敗モードを表示する。
論文 参考訳（メタデータ） (2026-02-02T23:21:13Z) - Operationalizing Serendipity: Multi-Agent AI Workflows for Enhanced Materials Characterization with Theory-in-the-Loop [0.0]
SciLinkは、材料研究におけるセレンディピティーを運用するために設計された、オープンソースのマルチエージェント人工知能フレームワークである。
実験観察、新規性評価、理論シミュレーションの直接的な自動リンクを生成する。
本稿では,原子分解能およびハイパースペクトルデータへの応用,リアルタイムな人間専門家指導の統合能力,研究ループを閉じる能力について述べる。
論文 参考訳（メタデータ） (2025-08-07T04:59:17Z) - Context-Aware Reasoning On Parametric Knowledge for Inferring Causal Variables [49.31233968546582]
本稿では,部分因果グラフの完成を目的とした新しいベンチマークを提案する。
原因と効果の間のバックドア変数を仮説化するLLMの強い能力を示す。
固定された関連性の単純な記憶とは異なり、我々のタスクはグラフ全体のコンテキストに応じてLCMを推論する必要がある。
論文 参考訳（メタデータ） (2024-09-04T10:37:44Z) - Graph Stochastic Neural Process for Inductive Few-shot Knowledge Graph Completion [63.68647582680998]
I-FKGC(inductive few-shot knowledge graph completion)と呼ばれる課題に焦点をあてる。
帰納的推論(inductive reasoning)の概念に着想を得て,I-FKGCを帰納的推論問題とした。
本稿では,仮説の連成分布をモデル化したニューラルプロセスに基づく仮説抽出器を提案する。
第2のモジュールでは、この仮説に基づいて、クエリセットのトリプルが抽出された仮説と一致するかどうかをテストするグラフアテンションベースの予測器を提案する。
論文 参考訳（メタデータ） (2024-08-03T13:37:40Z)
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。