論文の概要: FARMS: A Verifiable Foundation for Automated Computational Science

• arxiv url: http://arxiv.org/abs/2610.40560v1
• Date: Thu, 29 Oct 2026 17:40:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-01 01:32:10.127525
• Title: FARMS: A Verifiable Foundation for Automated Computational Science
• Title（参考訳）: FARMS: 自動計算科学のための検証可能な基礎
• Abstract要約: 我々は、計算数学をAI対応の計算知識に変換する忠実で効率的な基礎であるFARMSを紹介する。 ランダム化された数値線形代数と数値偏微分方程式の171つのターゲットのうち、157つはパイプラインによって受け入れられ、平均推定コストは1ソース当たり0.85-2.29米ドルであった。
• 参考スコア（独自算出の注目度）: 10.973529778713441
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated computational science could accelerate discovery by selecting, adapting and developing numerical methods. This prospect requires mathematical knowledge that AI systems can interpret and reuse with explicit guarantees. Here we present FARMS, a faithful and efficient foundation that transforms computational mathematics into AI-ready computing knowledge. FARMS connects formal statements to source context, algorithmic meaning and quantitative guarantees through source preparation, reusable representations and semantic review. Across 171 targets in randomized numerical linear algebra and numerical partial differential equations, 157 were accepted by the pipeline, with mean estimated costs of US \$0.85-2.29 per target across sources. Lean-checked implications from explicit source premises connect selected statements to computational skills, illustrated by a heat-flow solve and wave-response compression. FARMS therefore supports an affordable, reusable knowledge foundation for trustworthy automated computational science.
• Abstract（参考訳）: 自動計算科学は、数値的な方法を選択し、適応し、開発することで発見を加速することができる。 この見通しは、AIシステムが明確な保証を持って解釈し再利用できるという数学的知識を必要とする。 ここでは、計算数学をAI対応の計算知識に変換する忠実で効率的な基礎であるFARMSを紹介する。 FARMSは、ソース準備、再利用可能な表現、セマンティックレビューを通じて、フォーマルステートメントをソースコンテキスト、アルゴリズムの意味、量的保証に接続する。 ランダム化された数値線形代数と数値偏微分方程式の171つのターゲットのうち、157はパイプラインによって受け入れられ、平均推定コストは1ソース当たり0.85-2.29米ドルであった。 明示的なソース前提からのリーンチェックによる影響は、選択されたステートメントと計算スキルを結びつけ、ヒートフローの解決とウェーブレスポンスの圧縮によって説明されます。 したがって、FARMSは信頼性の高い自動計算科学のための安価で再利用可能な知識基盤をサポートしている。

関連論文リスト

• The FIL Hypothesis: Inductive Biases Help with Kernel Engineering [88.25617363280156]
  計算とデータでスケールする汎用的手法は、最終的には人間の知識を組み込んだ方法よりも優れている。 フィードバック情報ループ(FIL)の期間という,新しい,重要なスケーリングの次元を観察することで,この原則を再考する。 科学と物理の世界における未来のAI応用には、本質的に数時間から数週間にわたるFILが関与する、と私たちは主張する。
  論文  参考訳（メタデータ） (2026-06-29T15:16:33Z)
• 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)
• An Agentic Framework for Autonomous Materials Computation [70.24472585135929]
  大規模言語モデル(LLM)は、科学的発見を加速するための強力なツールとして登場した。 近年の進歩はLLMをエージェントフレームワークに統合し、複雑な科学実験のための検索、推論、ツールの使用を可能にしている。 本稿では,第一原理計算の信頼性向上を目的としたドメイン特化エージェントを提案する。
  論文  参考訳（メタデータ） (2025-12-22T15:03:57Z)
• ATHENA: Agentic Team for Hierarchical Evolutionary Numerical Algorithms [4.235429894371577]
  AtheNAは、エンドツーエンドの計算研究ライフサイクルを管理するためにAutonomous Labとして設計されたエージェントフレームワークである。 その中核は知識駆動型診断プロセスであるHENAループである。 このフレームワークは超人的パフォーマンスを実現し、検証エラーは10～14ドルに達する。
  論文  参考訳（メタデータ） (2025-12-03T06:05:27Z)
• AI-Powered Bayesian Inference [0.0]
  ジェネレーティブ・人工知能(GAI)は、社会が知識の獲得についてどう考えるかを変えるインフレクティブ・ポイントを提唱している。 GAIは意思決定に対して完全に信頼できないが、意思決定パイプラインに統合可能な貴重な情報を提供することもある。 与えられたプロンプトに対する可変回答を利用して、AI予測の確実性を反映した事前分布を構築することができる。
  論文  参考訳（メタデータ） (2025-02-26T15:42:06Z)
• Mathematical Algorithm Design for Deep Learning under Societal and Judicial Constraints: The Algorithmic Transparency Requirement [65.26723285209853]
  計算モデルにおける透過的な実装が実現可能かどうかを分析するための枠組みを導出する。 以上の結果から,Blum-Shub-Smale Machinesは,逆問題に対する信頼性の高い解法を確立できる可能性が示唆された。
  論文  参考訳（メタデータ） (2024-01-18T15:32:38Z)
• AutoIP: A United Framework to Integrate Physics into Gaussian Processes [15.108333340471034]
  あらゆる微分方程式をガウス過程に統合できる枠組みを提案する。 本手法は,シミュレーションと実世界の応用の両方において,バニラGPの改善を示す。
  論文  参考訳（メタデータ） (2022-02-24T19:02:14Z)
• AsySQN: Faster Vertical Federated Learning Algorithms with Better Computation Resource Utilization [159.75564904944707]
  垂直連合学習(VFL)のための非同期準ニュートン(AsySQN)フレームワークを提案する。 提案アルゴリズムは、逆ヘッセン行列を明示的に計算することなく、近似して降下ステップをスケールする。 本稿では,非同期計算を採用することにより,計算資源の有効利用が期待できることを示す。
  論文  参考訳（メタデータ） (2021-09-26T07:56:10Z)
• A Theory of Usable Information Under Computational Constraints [103.5901638681034]
  本稿では,複雑なシステムにおける情報推論のための新しいフレームワークを提案する。 我々の基礎はシャノンの情報理論の変分拡張に基づいている。 計算制約を組み込むことで,データから$mathcalV$-informationを確実に推定できることを示す。
  論文  参考訳（メタデータ） (2020-02-25T06:09:30Z)

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。