論文の概要: ChemE-as-Code: An Open-Source Platform for Agentic AI in Chemical Engineering
- arxiv url: http://arxiv.org/abs/2611.07947v1
- Date: Thu, 05 Nov 2026 12:45:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 21:50:50.686847
- Title: ChemE-as-Code: An Open-Source Platform for Agentic AI in Chemical Engineering
- Title(参考訳): ChemE-as-Code: 化学工学におけるエージェントAIのためのオープンソースプラットフォーム
- Abstract要約: ChemE-as-Codeは、AILLMが化学工学的な作業を実行できるオープンソースの環境を提供する。
その計算ツールは、プロセスシミュレーションから、プラントレイアウト、HAZOP、ライフサイクルアセスメントまで幅広い。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: ChemE-as-Code provides an open-source environment in which AI agents built on large language models (LLMs) can carry out chemical engineering work and engineers can check it. Its calculation tools range from catalysis through process simulation to plant layout, HAZOP and life cycle assessment, and skills tell a general-purpose agent how to use them. Engineering files are linked, machine-readable and versioned in Git; calculations run outside the LLM, each value records its origin, and automated checks report inconsistencies and out-of-date results by file and line. In an illustrative ammonia case, agents developed a written task into a preliminary basic-engineering package (simulation files, P&IDs, layout, HAZOP, datasheets, relief) for USD 224 of API cost in the design sessions. Planted faults and engineering changes show that the checks find what their rules cover and miss the rest, so they guide human review rather than replace it. No independent engineer has reviewed the design.
- Abstract(参考訳): ChemE-as-Codeは、大規模な言語モデル(LLM)上に構築されたAIエージェントが化学工学的な作業を実行でき、エンジニアがそれをチェックできる、オープンソースの環境を提供する。
その計算ツールは、触媒分析からプロセスシミュレーション、プラントレイアウト、HAZOP、ライフサイクルアセスメント、そして汎用エージェントにそれを使う方法を教えるスキルなど多岐にわたる。
エンジニアリングファイルはリンクされ、マシン可読性があり、Gitでバージョン管理されている。計算はLLM外で実行され、各値はその起源を記録し、自動チェックはファイルと行で不整合と最新の結果を報告する。
実証的なアンモニアの場合、エージェントは、設計セッションにおけるAPIコストのUSD 224に対して、予備的な基本的なエンジニアリングパッケージ(シミュレーションファイル、P&ID、レイアウト、HAZOP、データシート、リリーフ)にタスクを記述した。
障害の植え付けとエンジニアリングの変更は、チェックがルールが何をカバーしているかを見つけ、残りを見逃していることを示しているため、リプレースするのではなく、人間のレビューをガイドする。
独立系技術者は設計を見直していない。
関連論文リスト
- AgentX: Towards Agent-Driven Self-Iteration of Industrial Recommender Systems [82.01232437066487]
AgentXはプロダクションデプロイされたマルチエージェントシステムで、このプロダクション機能を再構築する。
自律的に生成し、実装し、評価し、レコメンデーション実験から学ぶ。
AgentXは4つの密結合したステージをクローズドループでオーケストレーションする。
論文 参考訳(メタデータ) (2026-06-25T10:42:28Z) - 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) - Agentic Agile-V: From Vibe Coding to Verified Engineering in Software and Hardware Development [0.0]
エージェントAIコーディングシステムは、リポジトリを検査し、実装手順を計画し、ファイルを編集し、テストを実行し、プルリクエストを送信できる。
現在の証拠は、自律的なコード生成がエンジニアリングの結果を自動的に改善するという単純な主張を支持していない。
この論文は、中心的な問題は、もはや迅速なエンジニアリングではなく、エンジニアリングプロセスの制御である、と論じている。
論文 参考訳(メタデータ) (2026-05-19T20:10:13Z) - Physics-in-the-Loop: A Hybrid Agentic Architecture for Validated CAD Engineering Design [2.523956380620852]
大規模言語モデル(LLM)はCAD(Computer-Aided Design)を生成することができるが、信頼性の高いエンジニアリング設計に必要な物理的理解は欠如している。
本稿では,自律型AIエージェントの意思決定ループに直接,検証済みの知識ベースエンジニアリングツールを組み込むハイブリッドエージェント・物理アーキテクチャを提案する。
本システムでは, 構造的複雑性が4.2増加し, 類似のエージェント法に比べてコンパイル速度が3.5%向上するなど, より複雑で物理的に検証された設計を生成する。
論文 参考訳(メタデータ) (2026-05-19T11:52:42Z) - Reversa: A Reverse Documentation Engineering Framework for Converting Legacy Software into Operational Specifications for AI Agents [0.0]
本稿では,レガシソフトウェアをAIエージェントのトレーサブルな運用仕様に変換するためのリバースドキュメンテーションエンジニアリングフレームワークであるReversaを紹介する。
特殊なエージェントは、プロジェクト表面をマッピングし、モジュールを分析し、暗黙のルールを抽出し、アーキテクチャを合成し、ユニットレベルの仕様を書き、生成されたクレームをレビューする。
提案では,コードと仕様間のトレーサビリティ,明確な信頼性マーキング,人間の検証のためのギャップの保存という,3つのメカニズムを強調している。
論文 参考訳(メタデータ) (2026-05-18T17:23:13Z) - AI Harness Engineering: A Runtime Substrate for Foundation-Model Software Agents [1.4323566945483497]
ファンデーションモデルは、自動コード生成を変革しましたが、現実的な開発環境では、自律的なソフトウェアエンジニアリングエージェントは信頼できないままです。
本稿では,基盤モデルエージェントがプロジェクトを観察し,それを処理し,フィードバックを受信し,変更が完了したことを確定する,モデルハーネス環境システムを提案する。
このフレームワークは、ファンデーションモデルがパッチを作成できるかどうかから、モデルハーネス環境システムが検証可能な正確さ、属性、メンテナンス可能な変更を生成できるかどうかという、自律的なソフトウェアエンジニアリングの中心的な疑問を再考する。
論文 参考訳(メタデータ) (2026-05-13T11:14:59Z) - AutoCodeSherpa: Symbolic Explanations in AI Coding Agents [10.706082274730734]
大きな言語モデル(LLM)エージェントは、特定のタスクを達成するために、1つ以上のLLMの上に外部ツールを自律的に使用する。
近年,ソフトウェア工学タスクのLLMエージェントが普及している。
これはAutoCodeRoverやSpecRoverといった、プログラムの自動修復を実行する既存のエージェントAIソリューションによって実証されている。
論文 参考訳(メタデータ) (2025-07-30T06:34:02Z) - ChemActor: Enhancing Automated Extraction of Chemical Synthesis Actions with LLM-Generated Data [53.78763789036172]
ケミカルエグゼキュータとして完全微調整された大規模言語モデル(LLM)であるChemActorを紹介し,非構造化実験手順と構造化動作シーケンスを変換する。
このフレームワークは、分散分散に基づくデータ選択モジュールと汎用LLMを統合し、単一の分子入力からマシン実行可能なアクションを生成する。
反応記述(R2D)と記述記述処理(D2A)のタスクの実験により、ChemActorは最先端のパフォーマンスを達成し、ベースラインモデルよりも10%高い性能を示した。
論文 参考訳(メタデータ) (2025-06-30T05:11:19Z)
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。