論文の概要: Reimagining computational quantum research with AI scientists

• arxiv url: http://arxiv.org/abs/2611.02833v1
• Date: Mon, 02 Nov 2026 09:32:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 14:58:27.627328
• Title: Reimagining computational quantum research with AI scientists
• Title（参考訳）: AI科学者による計算量子研究の再考
• Abstract要約: 現在のAI科学者は、公表された結果の再現に失敗することが多く、科学論文のコミュニケーションと自律エージェントが必要とするものとの根本的なミスマッチを明らかにする。 Residual Agents (RA, Residual Agents) は、量子化された自己改善型AI科学者で、検証済みのワークフローの修復をそのような経験に駆使する。 RAは、固定ベースモデルと限定適応予算の下での研究性能を大幅に改善する。
• 参考スコア（独自算出の注目度）: 57.82788604931818
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI scientists are expanding automated research across scientific domains, yet their ability to turn the scientific record into a foundation for autonomous discovery remains elusive. Here we uncover a fundamental barrier to this transition and demonstrate a route to overcome it in computational quantum science, where advances shape both what we can learn from complex quantum systems and what quantum computing can ultimately deliver. To identify this barrier, we introduce OmniQ, an expert-audited virtual research environment that converts published studies into executable reproduction tasks. Across 59 papers spanning classical simulation, quantum algorithms and quantum-property characterization, we systematically evaluate five agentic systems powered by large language models and six third-party agent harnesses. Our findings reveal that current AI scientists often fail to reproduce published results, exposing a fundamental mismatch between what scientific papers communicate and what autonomous agents require. By contrast, human expert intervention can turn these failures into successful reproductions, showing that the missing information can be identified and converted into reusable research experience. Guided by this observation, we develop Residual Agents (RA), a quantum-tailored self-improving AI scientist that distils externally verified workflow repairs into such experience. RA substantially improves research performance under fixed base models and limited adaptation budgets. For example, RA raises DeepSeek V4.1 Flash performance from 68% to 85%, matching Claude Code with Opus 5 at a third of its cost despite using a weaker base model. We integrate all reproduced results into an extensible platform built on the model context protocol, making verified research workflows directly accessible to AI scientists and allowing new scientific papers to be continuously incorporated.
• Abstract（参考訳）: AI科学者は、科学分野にまたがる自動研究を拡大しているが、科学記録を自律的な発見の基礎に変える能力は、いまだに解明されていない。 ここでは、この遷移の根本的な障壁を明らかにし、計算量子科学においてそれを克服する方法を示し、そこでは、複雑な量子システムから学べるものと、最終的に量子コンピューティングがもたらすものの両方を形作る。 この障壁を特定するため,専門家による仮想研究環境であるOmniQを紹介した。 古典シミュレーション,量子アルゴリズム,量子固有性評価を対象とする59の論文を網羅し,大規模言語モデルと6つのサードパーティエージェントハーネスを用いた5つのエージェントシステムを体系的に評価した。 我々の発見によると、現在のAI科学者は、しばしば公表された結果の再現に失敗し、科学論文のコミュニケーションと自律エージェントが必要とするものとの根本的なミスマッチを明らかにする。 対照的に、人間の専門家による介入は、これらの失敗を成功に導くことができ、不足した情報を識別し、再利用可能な研究経験に変換することができることを示す。 この観察によってガイドされたResidual Agents (RA)は、外部で確認されたワークフローの修復をこのような経験に駆使した、量子化された自己改善型AI科学者である。 RAは、固定ベースモデルと限定適応予算の下での研究性能を大幅に改善する。 例えば、RAはDeepSeek V4.1のFlashパフォーマンスを68%から85%に引き上げ、より弱いベースモデルを使っているにもかかわらず、Claude CodeとOpus 5の3分の1のコストで一致させた。 再現されたすべての結果を、モデルコンテキストプロトコル上に構築された拡張可能なプラットフォームに統合し、検証済みの研究ワークフローをAI科学者に直接アクセスし、新しい科学論文を継続的に組み込むことを可能にする。

関連論文リスト

• The Agentic Scientist: Orchestrating Coding Agents for Automated Scientific (Co-)Discovery [18.156759449259127]
  我々は、現代のコーディングエージェントと共に計算研究を行うために、人間の研究者のためのエンドツーエンドの分散パイプラインであるエージェントサイエンティストを紹介した。 本システムでは,タスクドラフト,アイデア生成,計画,サンドボックス実験,結果集約,ベースラインおよびアブレーション構築,ポストホック解析,レポート作成などの研究を分解する。 私たちのシステムは、共同科学者のツールとして、あるいはエンドツーエンドの科学調査を行うために、さまざまな自律性に利用できます。
  論文  参考訳（メタデータ） (2026-10-13T11:28:03Z)
• Training AI Scientists to Replicate Research [8.913339899077362]
  紙複製のためのスケーラブルなタスクスペースであるReplicaを開発した。 本稿では,低騒音で再現性評価に適合する自動生成ルーリック判定手法を提案する。
  論文  参考訳（メタデータ） (2026-08-13T14:59:27Z)
• SciResearcher: Scaling Deep Research Agents for Frontier Scientific Reasoning [54.194672921128785]
  我々は、フロンティア科学データ構築のための完全に自動化されたエージェントフレームワークであるSciResearcherを紹介する。 SciResearcherは、学術的証拠に基づく様々な概念的および計算的なタスクを合成する。 我々は,HLE-Bio/Chem-Goldベンチマークで19.46%を達成できるエージェント基盤モデルであるSciResearcher-8Bを開発した。
  論文  参考訳（メタデータ） (2026-05-02T15:26:45Z)
• Accelerating Scientific Research with Gemini: Case Studies and Common Techniques [105.15622072347811]
  大規模言語モデル(LLM)は、科学研究を加速するための新たな道を開いた。 先進的なAIモデルとどのように協力したかを示すケーススタディのコレクションを提示する。
  論文  参考訳（メタデータ） (2026-02-03T18:56:17Z)
• Virtuous Machines: Towards Artificial General Science [0.0]
  ドメインに依存しないエージェント型AIシステムが、科学的なワークフローを独立してナビゲートできることを示します。 このシステムは視覚的作業記憶、精神的な回転、イメージの鮮明さに関する3つの心理学的研究を自律的に設計し実行した。
  論文  参考訳（メタデータ） (2025-08-19T00:35:56Z)
• From AI for Science to Agentic Science: A Survey on Autonomous Scientific Discovery [108.1082357960201]
  エージェントAIは仮説生成、実験設計、実行、分析、反復的洗練の能力を示す。 この調査は、生命科学、化学、材料科学、物理学にまたがる自律的な科学的発見のドメイン指向のレビューを提供する。
  論文  参考訳（メタデータ） (2025-08-18T05:25:54Z)
• Position: Intelligent Science Laboratory Requires the Integration of Cognitive and Embodied AI [98.19195693735487]
  知的科学研究所(ISL)のパラダイムを提案する。 ISLは、認知と具体的知性を深く統合した多層クローズドループフレームワークである。 このようなシステムは、現在の科学的発見の限界を克服するために不可欠である、と我々は主張する。
  論文  参考訳（メタデータ） (2025-06-24T13:31:44Z)
• AI Scientists Fail Without Strong Implementation Capability [33.232300349142285]
  人工知能(AI)科学者の出現は、科学的発見のパラダイムシフトを表している。 最近のAI Scientist研究は、独立した科学的発見のための十分な能力を示している。 この大きな進歩にもかかわらず、AI Scientistはコンピュータ科学の分野における画期的な成果をまだ生み出していない。
  論文  参考訳（メタデータ） (2025-06-02T06:59:10Z)

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。