論文の概要: Verifiable pXRD: Hill-climbing pXRD structure determination with LLM agents
- arxiv url: http://arxiv.org/abs/2611.17539v1
- Date: Thu, 12 Nov 2026 21:49:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.264632
- Title: Verifiable pXRD: Hill-climbing pXRD structure determination with LLM agents
- Title(参考訳): 検証可能なpXRD:LLM剤を用いたヒルクライミングpXRD構造決定
- Abstract要約: pXRD構造決定のタスクを検証可能なエージェント探索問題として定式化する。
pXRD-Benchは,分布内構造決定にまたがる200個の単相問題の組である。
我々はこの手法を反射進化フレームワークを用いて実験的な多相pXRDに拡張する。
- 参考スコア(独自算出の注目度): 5.793313452101297
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous crystal-structure determination from powder X-ray diffraction (pXRD) remains a key bottleneck for self-driving materials laboratories. We formulate the task of pXRD structure determination as a verifiable agentic search problem: candidate structures can be assessed during inference through forward-simulated profile agreement and during evaluation through structural matching to a known reference. To benchmark progress, we introduce pXRD-Bench, a suite of 200 simulated single-phase problems spanning in-distribution structure determination, challenging and polymorphic structures, and controlled compositional and topological distribution shifts. Agent adaptation raises selected structural recovery from 27% to 69%, with further gains from repeated sampling and verifier-guided inference-time scaling. We extend this approach to experimental multiphase pXRD through a reflexive evolution framework that learns from self-generated synthetic problems. A replaceable laboratory specification defines the sample family and measurement conditions. An evolver agent uses the known generating structures and measurement parameters to diagnose solver failures and develop persistent guidance and executable tools, which are then provided to agents on measured patterns. This supplies verifiable training experience without requiring a collection of solved experimental measurements. On 15 measured patterns from solid-state synthesis, the evolved package improves average profile agreement and transfers an analogue-substitution procedure that recovers a phase whose structure is absent from the supplied reference library. These results demonstrate how learning from verifiable synthetic experience can improve agentic characterization of experimental samples whose structures are not known in advance.
- Abstract(参考訳): 粉末X線回折(pXRD)による結晶構造の自動決定は、自動運転材料研究所にとって重要なボトルネックである。
我々は,pXRD構造決定のタスクを検証可能なエージェント探索問題として定式化する: 予測中, フォワード-シミュレートされたプロファイル合意中, 既知参照に対する構造マッチング中, 評価中, 候補構造を評価することができる。
pXRD-Benchは, 分布構造決定, 挑戦的, 多形的構造, 構成的, 位相的分布シフトにまたがる200の単相問題からなる。
エージェント適応は、選択された構造回復を27%から69%に引き上げ、繰り返しサンプリングと検証対象推論時間スケーリングによってさらに向上する。
我々は、自己生成合成問題から学習する反射的進化フレームワークを通じて、このアプローチを実験的な多相pXRDに拡張する。
代替可能な実験室仕様では、サンプルファミリーと測定条件を定義している。
進化的エージェントは、既知の生成構造と測定パラメータを使用して、解決者の失敗を診断し、永続的なガイダンスと実行可能なツールを開発し、測定されたパターンのエージェントに提供される。
これは、解決された実験的な測定の収集を必要とせずに、検証可能なトレーニング経験を提供する。
固体合成から得られた15のパターンに対して、進化したパッケージは平均プロファイル一致を改善し、供給された参照ライブラリから構造が欠落したフェーズを復元するアナログ置換手順を転送する。
これらの結果から, 検証可能な合成経験から学習することで, 事前に構造が分かっていない実験試料のエージェント的特性が向上することを示す。
関連論文リスト
- Evaluating and improving AI agents for sequencing protocol understanding [2.981345137131593]
既存の科学的エージェントベンチマークでは、エージェントがシーケンシングプロトコルによって指定された正確な分子構造を再構築できるかどうかをほとんど評価していない。
LibStructBenchは、シーケンシング・ライブラリ構造と分子フロンティア表現を再構成するための文書グラウンドベンチマークである。
論文 参考訳(メタデータ) (2026-10-27T18:58:58Z) - PXRD-Bench: How Close Are We to Determining Crystal Structures from Powder Diffraction? [25.051325257728596]
PXRD-Benchは、未知の元素単位の原子数に対する評価を拡張し、2相混合で両方の構造を復元する統一ベンチマークである。
約4100万のトレーニング構造とシミュレーションされたPXRD、未確認の合成と構造プロトタイプへの一般化、そして実験的なPXRDからの回復を評価する。
また、PXRDモデリング選択の体系的な研究を通じて開発されたPXRD-to-structureモデルであるBraggliteについても紹介する。
論文 参考訳(メタデータ) (2026-10-12T09:34:51Z) - Knowledge-Driven XRD Phase Identification via Multi-View Retrieval and Explanation [0.0]
本稿では,表現学習,類似性に基づく検索,説明可能な意思決定支援を統合したXRD位相解析のための多値決定フレームワークを提案する。
畳み込みオートエンコーダは、構造的類似性を保持するXRDパターンのコンパクトな潜在表現を学習する。
合成データセットの実験は、強い予測性能を示す。
論文 参考訳(メタデータ) (2026-09-25T18:25:51Z) - Influence-Guided Symbolic Regression: Scientific Discovery via LLM-Driven Equation Search with Granular Feedback [56.69850045068714]
逐次的2段階プロセスとして方程式発見をフレーム化する方法である textitInfluence-Guided Regression (IGSR) を導入する。
LLM-SRBench, 薬理学的PKPDモデル, 疫学シミュレーション, 実世界のゲノムデータなど, IGSRの有効性を示す。
論文 参考訳(メタデータ) (2026-05-27T23:48:01Z) - K-Models: a Flexible and Interpretable Method for Ordinal Clustering with Application to Antigen-Antibody Interaction Profiles [65.21921642886367]
K-Modelsは、順序的制約を統合し、観察された機能プロファイルを生成するランダムプロセスの基本的な要素を推定する新しいフレームワークである。
提案手法はシミュレーションと実世界の応用を通して評価する。
論文 参考訳(メタデータ) (2026-05-14T13:35:44Z) - Towards a Virtual Neuroscientist: Autonomous Neuroimaging Analysis via Multi-Agent Collaboration [53.772014300855375]
我々は,自律型エンドツーエンド神経画像解析のためのマルチエージェントシステムであるNIAgentを紹介する。
従来のフラットなツール呼び出しエージェントとは異なり、NIAgentはコード中心の実行パラダイムを採用している。
本稿では,コホートレベルの検定とエージェント視覚検査を組み合わせた,自律的品質管理のための階層的検証フレームワークを提案する。
論文 参考訳(メタデータ) (2026-05-10T06:30:19Z) - An explainable hypothesis-driven approach to Drug-Induced Liver Injury with HADES [0.0]
薬物性肝障害(DILI)は、後期臨床試験における主要な原因である。
仮説生成問題として,DILI予測の方がよいと論じる。
透明で監査可能な推論トレースを生成するために設計されたエージェントシステムであるHADESを提案する。
論文 参考訳(メタデータ) (2026-05-04T14:50:28Z) - Procrustean Bed for AI-Driven Retrosynthesis: A Unified Framework for Reproducible Evaluation [0.0]
RetroCastは、異種モデルの出力を共通スキーマに標準化する統合評価スイートである。
我々は、新しい標準ベンチマークスイートを用いて、検索ベースおよびシーケンスベースの主要なアルゴリズムを評価する。
論文 参考訳(メタデータ) (2025-12-08T01:26:39Z) - CXRAgent: Director-Orchestrated Multi-Stage Reasoning for Chest X-Ray Interpretation [62.0150409256153]
我々は、CXR解釈のためのディレクター調整型多段階エージェントであるCXRAgentを提案する。
エージェントは、Evidence-driven Validatorによって正規化され検証された出力を持つ一連のCXR分析ツールを戦略的にオーケストレーションする。
様々なCXR解釈タスクの実験は、CXRAgentが強いパフォーマンスを示し、視覚的証拠を提供し、異なる複雑さの臨床的タスクにうまく一般化していることを示している。
論文 参考訳(メタデータ) (2025-10-24T10:31:30Z) - DISPROTBENCH: A Disorder-Aware, Task-Rich Benchmark for Evaluating Protein Structure Prediction in Realistic Biological Contexts [76.59606029593085]
DisProtBenchは、構造障害および複雑な生物学的条件下でタンパク質構造予測モデル(PSPM)を評価するためのベンチマークである。
DisProtBenchはデータの複雑さ、タスクの多様性、解釈可能性という3つの重要な軸にまたがっている。
その結果,機能的予測障害と相関する低信頼領域を有する障害下でのモデルロバスト性に有意な変動が認められた。
論文 参考訳(メタデータ) (2025-06-18T23:58:22Z) - Fast and Reliable Probabilistic Reflectometry Inversion with Prior-Amortized Neural Posterior Estimation [73.81105275628751]
リフレクションメトリデータと互換性のある全ての構造を見つけることは、標準アルゴリズムでは計算が禁止される。
この信頼性の欠如に対処するため,確率論的深層学習法を用いて,現実的な構造を数秒で識別する。
提案手法は,シミュレーションに基づく推論と新しい適応型事前推定を併用する。
論文 参考訳(メタデータ) (2024-07-26T10:29:16Z)
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。