論文の概要: Agentic Systems for Calibrating Cosmological Simulations

• arxiv url: http://arxiv.org/abs/2610.40685v1
• Date: Mon, 26 Oct 2026 21:39:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.445287
• Title: Agentic Systems for Calibrating Cosmological Simulations
• Title（参考訳）: 宇宙シミュレーションの校正のためのエージェントシステム
• Abstract要約: AgenticTunerはエージェントキャリブレーションパイプラインであり、現在の大きな言語モデルがパラメータとして機能し、次のパラメータトライアルを提案する。 これらのエージェントは,CPUコストのごく一部で,非公式かつ人間可読な事前処理を行う場合に,競合校正性能を達成可能であることを示す。
• 参考スコア（独自算出の注目度）: 0.5555497750998242
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Calibrating a cosmological simulation is an expensive, high-dimensional parameter optimization task. Previous works employ Bayesian optimization for automation, which treats the simulator as a black box and precludes the incorporation of human domain knowledge or workflow into the selection policy. We propose AgenticTuner, an agentic calibration pipeline with a present-day large language model serving as the optimizer who proposes the next parameter trial. We show that these agents can achieve competitive calibration performance at a fraction of the CPU cost when they are given informal, human-readable priors (such as codebase, documentation, and heuristic guides that seasoned scientists may possess). We hope this work serves as an early step toward AI scientists that can carry out complex, long-horizon scientific tasks.
• Abstract（参考訳）: 宇宙シミュレーションのキャリブレーションは、高価な高次元パラメータ最適化タスクである。 これはシミュレータをブラックボックスとして扱い、人間のドメイン知識やワークフローを選択ポリシーに組み込むのを妨げている。 本稿では,エージェント・キャリブレーション・パイプラインであるAgenticTunerを提案する。 これらのエージェントは、非公式で可読性のあるプリエント(コードベース、ドキュメンテーション、ヒューリスティックガイドなど)が与えられると、CPUコストのごく一部で競争力のあるキャリブレーション性能を達成できることを示す。 この研究が、複雑な、長期にわたる科学的なタスクを実行できるAI科学者への第一歩になることを願っている。

関連論文リスト

• EurekAgent: Agent Environment Engineering is All You Need For Autonomous Scientific Discovery [51.466674519159824]
  本稿では,計量駆動型自律科学的発見のための環境工学的エージェントシステムであるEurekAgentを紹介する。 環境工学とは、生産的行動を増幅する環境を構築することであり、報酬のハッキングや高いフリクションによる人間の監視といった有害な行動を抑えるものである。 我々は、コードと結果をオープンソース化し、信頼性の高い自律的な研究エージェントを開発するための中核研究の方向性として環境工学を要求します。
  論文  参考訳（メタデータ） (2026-06-11T17:56:35Z)
• Optimizing ground state preparation protocols with autoresearch [5.136459007553683]
  コーディングエージェントをベースとしたコード最適化手法であるautoresearchを用いて,地中準備およびサンプリングプロトコルの最適化を行う方法について検討する。 簡単なスピンモデルと分子ハミルトニアンを用いて,本法の有効性とキャパシティを検証した。 我々は、実行可能なスカラースコアリングをサポートする他の量子ルーチンについて議論し、進化的符号化エージェントがプロトコルチューニング作業のかなりの部分を自動化することを可能にした。
  論文  参考訳（メタデータ） (2026-04-28T13:18:12Z)
• 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)
• Simple Agents Outperform Experts in Biomedical Imaging Workflow Optimization [69.36509281190662]
  生産レベルのコンピュータビジョンツールを科学データセットに適応させることは、重要な"ラストマイル"ボトルネックである。 我々は、AIエージェントを使ってこの手動コーディングを自動化し、最適なエージェント設計のオープンな問題に焦点を当てる。 簡単なエージェントフレームワークが、人間-専門家のソリューションよりも優れた適応コードを生成することを実証する。
  論文  参考訳（メタデータ） (2025-12-02T18:42:26Z)
• Bridging Literature and the Universe Via A Multi-Agent Large Language Model System [5.935305898559785]
  物理学者は、高密度の学術論文からシミュレーションパラメータを抽出するために大量の文献を探索するという課題に直面している。 文献からパラメータ設定を自動生成するマルチエージェントシステムであるSimAgentsと、宇宙論研究のための予備解析について紹介する。 SimAgents は物理推論、シミュレーションソフトウェア検証、ツール実行が可能な特殊な LLM エージェントによって駆動される。
  論文  参考訳（メタデータ） (2025-07-11T18:31:20Z)
• STEVE: A Step Verification Pipeline for Computer-use Agent Training [84.24814828303163]
  STEVEは、コンピュータ使用エージェントトレーニングのためのステップ検証パイプラインである。 GPT-4oは、動作実行前後の画面に基づいて、軌跡の各ステップの正当性を検証するために使用される。 我々のエージェントは、軌道内での正と負の両方の作用を利用して微調整を監督する。
  論文  参考訳（メタデータ） (2025-03-16T14:53:43Z)
• ChronoLLM: A Framework for Customizing Large Language Model for Digital Twins generalization based on PyChrono [8.922927652378544]
  ChronoLlama氏は、オープンソースのLLMをカスタマイズする新しいフレームワーク、特にコード生成のために、マルチ物理シミュレーションのためにPyChronoと組み合わせたフレームワークを紹介した。 この統合は、シミュレーションスクリプトの作成を自動化し、改善することを目的としており、それによってモデルの精度と効率が向上する。 実験結果から,シミュレーション設定速度,生成符号の精度,計算効率の大幅な向上が示唆された。
  論文  参考訳（メタデータ） (2025-01-07T10:39:14Z)
• DrEureka: Language Model Guided Sim-To-Real Transfer [64.14314476811806]
  シミュレーションで学んだ政策を現実世界に伝達することは、ロボットのスキルを大規模に獲得する上で有望な戦略である。 本稿では,Large Language Models (LLMs) を用いてシム・トゥ・リアル設計の自動化と高速化を行う。 本手法では,ヨガボールの上を歩行する四足歩行や四足歩行など,新しいロボットタスクを解くことができる。
  論文  参考訳（メタデータ） (2024-06-04T04:53:05Z)

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。