論文の概要: MatOS: An Agent Operating System for Materials Research

• arxiv url: http://arxiv.org/abs/2610.34203v1
• Date: Sun, 25 Oct 2026 10:44:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.557489
• Title: MatOS: An Agent Operating System for Materials Research
• Title（参考訳）: MatOS:材料研究のためのエージェントオペレーティングシステム
• Abstract要約: MatOSは、3つのコアコンポーネントを持つ材料研究のためのエージェントオペレーティングシステムである。 再利用可能な資産として、データ、知識、ツール、役割、およびアトミックツールを編成する。 MatOSはエラーを3.1%、ベースラインに対して13.6%削減する2つの新しい方法をサポートしている。
• 参考スコア（独自算出の注目度）: 15.685295952181363
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Materials research relies on scattered and growing data, knowledge, and simulation tools, and a single study often spans multi-day workflows across literature analysis, computation, and experiment. Large language model agents can now retrieve materials data, operate simulation codes, and close design-synthesis-characterization loops with autonomous laboratories. However, extending these agents with new capabilities, keeping long-running tasks on track, and letting them learn from past tasks and user feedback remain difficult. Here we present MatOS, an agent operating system for materials research with three core components: (1) a layered scientific asset graph that organizes data, knowledge, tools, skills, roles, and workflows as reusable assets; (2) a stateful adaptive workflow that runs tasks as explicit execution graphs with scientific checks, so that they can be resumed and traced; and (3) evidence-driven asset evolution, which revises these assets from execution records and user feedback. On ResearchClawBench, MatOS improves on the previously best-performing agent by 11.15% with the same base model and extends the cost-score Pareto frontier. With a common base model, it outperforms Codex CLI and Claude Code, exceeding Codex CLI by 2.13% on MatTools and 4.17% on SciAgentGym. In eight research cases, MatOS narrowed more than 30 million candidate structures to 97 solid-electrolyte candidates, identified 89 halide variants with higher computed conductivity than their parent structures, linked the force errors of 11 pretrained interatomic potentials to local atomic environments, and supported two new methods that reduce errors by 3.1% and 13.6% relative to their baselines. These results show that organizing research capabilities as reusable, evolving assets enables agents to carry out long, multistage materials studies. Code is available at https://github.com/DingyangLyu/MatOS.
• Abstract（参考訳）: 材料研究は分散して成長するデータ、知識、シミュレーションツールに依存しており、単一の研究は文学分析、計算、実験にまたがる複数の日のワークフローにまたがることが多い。 大規模言語モデルエージェントは、材料データを取得し、シミュレーションコードを操作し、自律的な実験室で設計-合成-特徴ループを閉じることができる。 しかし、これらのエージェントを新しい機能で拡張し、長時間実行したタスクをトラックに維持し、過去のタスクやユーザからのフィードバックから学ぶことは難しいままです。 ここでは,(1)データ,知識,ツール,スキル,役割,ワークフローを再利用可能な資産として整理する階層化された科学資産グラフ,(2)タスクを科学的チェック付き明示的な実行グラフとして実行するステートフル適応ワークフロー,(3)実行記録やユーザフィードバックからこれらの資産を更新するエビデンス主導のアセット進化のエージェントオペレーティングシステムであるMatOSを紹介する。 ResearchClawBenchでは、MateOSは同じベースモデルで11.15%改善され、コストスコアのParetoフロンティアが拡張された。 共通ベースモデルでは、Codex CLIとClaude Codeを2.13%、SciAgentGymを4.17%上回っている。 8つの研究ケースにおいて、MatOSは3000万以上の候補構造を97の固体電解質候補に絞り込み、親構造よりも高い計算導電率を持つ89のハロゲン化物変種を特定し、11の事前学習された原子間ポテンシャルの力誤差を局所原子環境に関連付け、エラーを3.1%と13.6%削減する2つの新しい手法を支持した。 これらの結果は、再利用可能な、進化する資産としての研究能力の組織化により、エージェントは長期の多段階の材料研究を行うことができることを示している。 コードはhttps://github.com/DingyangLyu/MatOS.comで入手できる。

関連論文リスト

• SCI-AGENT-EXAM: Benchmarking Agents on Scientific Research Tasks [58.530730974708014]
  大規模言語モデル(LLM)エージェントは、科学研究を支援する能力がますます高まっている。 既存のベンチマークは、しばしば選択された科学的能力やタスクタイプに焦点を当てる。 SCI-AGENT-EXAM(SCI-AGENT-EXAM)は,11分野に120の専門的なタスクと7つの研究課題からなるベンチマークである。
  論文  参考訳（メタデータ） (2026-10-23T10:06:55Z)
• Phronix: The Capability-Centric Learning Paradigm for Agents [3.8503856258832205]
  Phronixは、エージェントハーネスが再利用可能な機能を取得し、検証し、洗練することを可能にする能力中心の学習パラダイムである。 観測されたすべてのインタラクションを機能ストアに蒸留し、それを放棄するのではなく、失敗するタスクを研究する。
  論文  参考訳（メタデータ） (2026-10-22T18:29:52Z)
• CompMat-Bench: Benchmarking AI Agents for Computational Materials Science [3.6785856400419465]
  CompMat-Benchは、計算材料研究から派生した94のタスクのベンチマークである。 我々は、事前に研究手順を再現し、高価なシミュレーションのための入力の準備と出力の分析を行うエージェントを評価する。 ベンチマークは4つの評価条件をサポートする: 単一のタスクと関連するタスクで構成され、それぞれが完全なまたは少ない方法論的ガイダンスを持つ。
  論文  参考訳（メタデータ） (2026-09-30T19:37:09Z)
• Harnessing agent memory to build lifelong AI partners for materials scientists [9.774511876116415]
  我々は、物質科学のための生涯にわたるAIパートナーは、特定のエージェントの実装よりも永続的なメモリを中心に設計できると主張している。 科学的な経験を検査可能な事実と実行可能なスキルとして保存する自己進化型メモリフレームワークを導入し、観察、障害境界、プロトコル、バリデーションチェックをモデル間で検索し、修正し、移行できるようにする。 これらの結果から, エージェントメモリは, 単一のモデルやエージェントスタックを超越した, ポータブルで自己改善された材料検索体験の記録として, 耐久性のある科学的資産として機能することを示す。
  論文  参考訳（メタデータ） (2026-07-25T09:11:52Z)
• Can Coding Agents Reproduce Findings in Computational Materials Science? [49.254975563645786]
  本稿では,大規模言語モデルの科学的主張を再現する能力を評価するためのベンチマークであるAutoMatを紹介する。 課題を専門とする専門家と緊密に連携することで、実際の材料科学論文からの一連の主張をキュレートし、コーディングエージェントがエンドツーエンドのワークフローを回復し実行できるかどうかを検証します。 結果、現在のLSMベースのエージェントはAutoMatの全体的な成功率を低くし、最も優れた設定は54.1%に過ぎなかった。
  論文  参考訳（メタデータ） (2026-05-01T17:42:12Z)
• MatClaw: An Autonomous Code-First LLM Agent for End-to-End Materials Exploration [0.0]
  我々は、Pythonを直接書き、実行するためのコードファーストエージェントであるMatchClawを提示する。 MatClawはコード生成を確実に扱うが、暗黙のドメイン知識に苦慮している。 その結果、ガイド付きと完全に自律的な計算材料研究のギャップはこれまで以上に狭くなっていることが明らかとなった。
  論文  参考訳（メタデータ） (2026-04-03T03:32:15Z)
• SciAgentGym: Benchmarking Multi-Step Scientific Tool-use in LLM Agents [100.12367115920121]
  SciGymAgentは4つの自然科学分野にまたがる1,780のドメイン固有ツールを備えたスケーラブルなインタラクティブ環境である。 SciAgentBenchについても紹介する。
  論文  参考訳（メタデータ） (2026-02-13T14:58:18Z)
• A Survey on Code Generation with LLM-based Agents [61.474191493322415]
  大規模言語モデル(LLM)を利用したコード生成エージェントは、ソフトウェア開発パラダイムに革命をもたらしている。 LLMは3つのコア特徴によって特徴づけられる。 本稿では,LLMに基づくコード生成エージェントの分野を体系的に調査する。
  論文  参考訳（メタデータ） (2025-07-31T18:17:36Z)
• MLAgentBench: Evaluating Language Agents on Machine Learning Experimentation [96.71370747681078]
  我々は,CIFAR-10におけるモデル性能の改善から,BabyLMのような最近の研究課題まで,13のタスクからなるMLAgentBenchを紹介した。 各タスクに対して、エージェントはファイルの読み書き、コードの実行、出力の検査などのアクションを実行することができる。 我々は、Claude v1.0、Claude v2.1、Claude v3 Opus、GPT-4、GPT-4-turbo、Gemini-Pro、Mixtralに基づいてベンチマークエージェントをベンチマークし、Claude v3 Opusエージェントが成功率の点で最高であることを示す。
  論文  参考訳（メタデータ） (2023-10-05T04:06:12Z)

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。