論文の概要: HERA: Assessing an Autonomous Agent for Quantum Device Measurement

• arxiv url: http://arxiv.org/abs/2610.39074v1
• Date: Thu, 29 Oct 2026 00:08:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-01 01:32:10.021775
• Title: HERA: Assessing an Autonomous Agent for Quantum Device Measurement
• Title（参考訳）: HERA:量子デバイス測定のための自律エージェントの評価
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.041244287595653
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language model agents have begun to carry out laboratory measurements, but their scientific conclusions are useful only if they hold up under scrutiny. Demonstrating this requires controlled studies because models are stochastic and the context a model is given steers its conclusions. Here we introduce HERA, an autonomous agent designed to carry out cryogenic transport measurements of quantum devices. HERA draws on a knowledge base curated by lab members that holds measurement protocols, software tools, and literature references. We assessed HERA with a blinded trial against an expert on the stacking order of two multilayer graphene devices, an ablation of its knowledge base, and hundreds of offline replays in which models designed the trial's central measurement without running it. HERA's conclusions matched the expert's sealed conclusions on both tested devices. The ablation and the replay studies measured the impact of the knowledge base across different models, showing that with it every model designed better measurements and reasoned more soundly. To test how readily HERA extends to a new problem, we tasked it with finding and characterizing superconductivity in a different material system. This required a few hours of expert time to develop a new experimental protocol, after which HERA did both autonomously. These results show that, with a knowledge base designed for the task, language model agents are capable of sound experimental science.
• Abstract（参考訳）: 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。 このことを実証するには、モデルが確率的であり、モデルがその結論を判断するコンテキストが与えられるため、制御された研究が必要である。 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。 HERAは、測定プロトコル、ソフトウェアツール、文献参照を保持するラボメンバーがキュレートした知識ベースに基づいている。 実験では, 2層グラフェンデバイスの積み重ね順序, 知識基盤のアブレーション, 数百のオフラインリプレイについて, モデルが実行せずに実験の中心的測定を設計した専門家に対して, HERAを盲検で評価した。 HERAの結論は、専門家の双方のテスト機器に関する結論と一致した。 アブレーションとリプレイ研究は、異なるモデルにまたがる知識ベースの影響を測定し、すべてのモデルがより良い測定を設計し、より健全に推論したことを示した。 HERAが新しい問題にいかに容易に適用できるかをテストするため,異なる物質系における超伝導の発見と特徴化を課題とした。 これにより、新しい実験プロトコルを開発するのに数時間の専門的な時間が必要となり、HERAはどちらも自律的に実行した。 これらの結果から,言語モデルエージェントは,タスク用に設計された知識ベースにより,実験科学を聴くことができることがわかった。

関連論文リスト

• Collaborative AI agents for autonomous experimental research with solid-state quantum spins [0.0]
  本研究では,大規模言語モデルに基づくエージェント同士の作業評価を行う自律的な実験室を提案する。 彼らは研究の質問を生成・拒否し、別の理論的なチェックを必要とし、彼らの主張に異議を唱えるために設計された実験を行う。 本研究は, 協調型AIエージェントが研究課題を選択し, 理論的結果を導出し, 予測を実験的に検証できることを実証する。
  論文  参考訳（メタデータ） (2026-10-29T17:47:50Z)
• Autonomous Quantum Measurement with Agentic AI [1.7723033775020511]
  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。
  論文  参考訳（メタデータ） (2026-10-28T20:33:06Z)
• SciExam for ENSO: Can AI Agents Build Climate Models? [54.94822880836718]
  様々な情報の下でトップシステムの制御された実行は、そのスコアが、日付の観測記録をリコールすることによるものではないことを示唆している。 結果は、科学者がまだ議論している疑問に答える構造を持つ競争モデルを構築することができることを示唆している。
  論文  参考訳（メタデータ） (2026-10-07T17:52:52Z)
• 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)
• ExpVid: A Benchmark for Experiment Video Understanding & Reasoning [65.17173232816818]
  科学実験ビデオ上でMLLMを体系的に評価する最初のベンチマークであるExpVidを紹介する。 ExpVid 上で 19 個のMLLM を評価し, 粗粒度認識に優れる一方で, 詳細さの曖昧化, 時間経過による状態変化の追跡, 実験手順と科学的成果のリンクに苦慮していることがわかった。 この結果から,特に高次推論において,プロプライエタリモデルとオープンソースモデルとの顕著なパフォーマンスギャップが明らかとなった。
  論文  参考訳（メタデータ） (2025-10-13T16:45:28Z)
• Autonomous Microscopy Experiments through Large Language Model Agents [4.241267255764773]
  大規模言語モデル(LLM)は、材料研究のための自己運転実験室(SDL)に革命をもたらしている。 LLM駆動エージェントによる原子間力顕微鏡の自動化フレームワークであるArtificially Intelligent Lab Assistant (AILA)を紹介する。 アートモデルの現状が,基本的なタスクや調整シナリオに苦労していることに気付きました。
  論文  参考訳（メタデータ） (2024-12-18T09:35:28Z)
• Smoke and Mirrors in Causal Downstream Tasks [59.90654397037007]
  本稿では, 治療効果推定の因果推論タスクについて検討し, 高次元観察において利害関係が記録されている。 最先端の視覚バックボーンから微調整した6つの480モデルを比較し、サンプリングとモデリングの選択が因果推定の精度に大きく影響することを発見した。 以上の結果から,今後のベンチマークでは,下流の科学的問題,特に因果的な問題について慎重に検討すべきであることが示唆された。
  論文  参考訳（メタデータ） (2024-05-27T13:26:34Z)

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。