論文の概要: Autonomous Quantum Measurement with Agentic AI
- arxiv url: http://arxiv.org/abs/2610.38850v1
- Date: Wed, 28 Oct 2026 20:33:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-01 01:32:10.005069
- Title: Autonomous Quantum Measurement with Agentic AI
- Title（参考訳）: エージェントAIを用いた自律量子計測
- Abstract要約: 量子エージェント(quantum Agent、quantum Agent)は、自律的な量子材料評価のためのエージェント人工知能フレームワークである。
quNTAをエビデンス駆動・安全保護・クローズドループ量子材料評価のための一般化可能なフレームワークとして実証する。
- 参考スコア（独自算出の注目度）: 1.7723033775020511
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Quantum materials exhibit diverse electronic and functional phenomena, but their characterization requires extensive experimental expertise, iterative decision-making and accumulated laboratory knowledge that is difficult to document and transfer. Here we introduce Quantum Agent (QUANTA), an agentic artificial intelligence (AI) framework for autonomous quantum-materials characterization. Using a widely adopted Physical Property Measurement System (PPMS) as an experimental platform, QUANTA combines retrieval augmentation using scientific literature, experimental protocols and prior measurements with specialized agents for experimental planning, troubleshooting, and data interpretation. A separate deterministic control layer validates instrument actions. Guided by incoming data, QUANTA evaluates measurement quality, revises experimental plans and selects subsequent measurements. We demonstrate these capabilities through transport measurements of the topological Weyl semimetal TaP, as well as investigations of nonlinear responses in magnetic material Co2MnGa. These results establish QUANTA as a generalizable framework for evidence-driven, safeguarded and closed-loop quantum-materials characterization.
- Abstract（参考訳）: 量子材料は様々な電子的および機能的な現象を示すが、その特徴付けには広範な実験的な専門知識、反復的な意思決定、文書化や転送が困難な実験室の知識の蓄積が必要である。
本稿では,自律型量子材料評価のためのエージェント人工知能(AI)フレームワークであるQuantum Agent(QUINTA)を紹介する。
実験用プラットフォームとして広く採用されているPhysical Property Measurement System (PPMS)を用いて、QUINTAは科学的文献、実験用プロトコル、事前測定を、実験計画、トラブルシューティング、データ解釈のための特別なエージェントと組み合わせる。
別個の決定論的制御層は、計器動作を検証する。
入ってくるデータによって導かれ、QuarnTAは測定品質を評価し、実験計画を修正し、その後の測定を選択する。
我々は、トポロジカルワイル半金属TaPの輸送測定および磁性材料Co2MnGaの非線形応答の研究を通じてこれらの能力を実証した。
これらの結果は、証拠駆動、安全保護、閉ループ量子材料評価のための一般化可能なフレームワークとしてQUINTAを確立している。
関連論文リスト
- HERA: Assessing an Autonomous Agent for Quantum Device Measurement [1.041244287595653]
大規模な言語モデルエージェントは実験室での測定を始めているが、その科学的結論は精査された上でのみ有用である。
ここでは、量子デバイスの低温輸送測定を行うための自律エージェントHERAを紹介する。
論文 参考訳（メタデータ） (2026-10-29T00:08:00Z) - A method for multimodal analysis of TAIGA experiment data using essential features [61.0983330391914]
本稿では,オートエンコーダなどのニューラルネットワークを用いて重要な特徴を抽出する手法を提案する。
提案手法の特別な価値は、複数のインストールから同時に受信されたマルチモーダルデータの解析への応用の可能性にある。
論文 参考訳（メタデータ） (2026-10-06T18:44:52Z) - A Systematic Survey and Benchmark of Deep Learning for Molecular Property Prediction in the Foundation Model Era [57.5440098776759]
分子特性予測は、量子化学、化学情報学、深層学習を統合し、分子構造と生物学的挙動を結びつける。
この調査は、Quantum、Descriptor Machine Learning、Geometric Deep Learning、Foundation Modelsの4つの補完パラダイムをトレースする。
ベンチマーク分析は、広く使われているデータセットと業界的な視点を反映したデータセットの両方からエビデンスを統合する。
論文 参考訳（メタデータ） (2026-04-17T15:16:33Z) - Learning the physics of open quantum systems from experiments [55.2480439325792]
この論文は、実験データを用いて量子システムを特徴づけるツールとして適応推論を探求する。
ベイズの実験設計と高度なモンテカルロ手法を用いてハミルトン作用素とクラウス作用素を学習するためのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-11-26T19:23:02Z) - Data-driven discovery of statistically relevant information in quantum
simulators [0.0]
合成量子物質における情報抽出の理論的枠組みを提案する。
我々は、支配的な自由度を特定するためのシステムに依存しないアプローチを実証する。
仮定不要のアプローチは、すぐに様々な実験プラットフォームに適用できる。
論文 参考訳（メタデータ） (2023-07-19T15:20:11Z) - Deep learning extraction of band structure parameters from density of
states: a case study on trilayer graphene [45.61296767255256]
包括的定量的理論の鍵となる要件は、材料のバンド構造パラメータの正確な決定である。
本稿では、ディープニューラルネットワークを用いた実験データからバンド構造パラメータを導出する一般的なフレームワークを提案する。
論文 参考訳（メタデータ） (2022-10-12T15:24:42Z) - A route towards engineering many-body localization in real materials [0.0]
実験室で異なる種類の物質を混合することにより,多くの身体局在のサインを示す実物質を合成する方法を提案する。
電子-フォノン結合の効果について検討し, 1, 2, 3次元格子に埋め込まれた1次元材料に着目した。
論文 参考訳（メタデータ） (2022-07-21T18:12:27Z) - Quantum-tailored machine-learning characterization of a superconducting
qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。
このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。
このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文 参考訳（メタデータ） (2021-06-24T15:58:57Z) - Experimental progress on quantum coherence: detection, quantification,
and manipulation [55.41644538483948]
近年、量子コヒーレンスを資源として特徴づけることに大きな関心が寄せられている。
実験を実現するための主なプラットフォームとして、線形光学、核磁気共鳴、超伝導システムについて論じる。
また,コヒーレンスと不確実性の関係,経路情報,および操作と測定のコヒーレンスについて検討した。
論文 参考訳（メタデータ） (2021-05-14T14:30:47Z)
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。