Scalable Multi-Agent Lab Framework for Lab Optimization

要約

自律的な材料研究システムにより、科学者はより賢く失敗し、より速く学習し、研究に費やすリソースを減らすことができます。
これらのシステムの数、機能、複雑さが増すにつれて、新たな課題が生じます。大規模な施設全体でどのように連携するかということです。
この問題に対する 1 つの解決策、つまりマルチエージェント ラボ制御フレームワークを検討します。
自律的な材料科学ラボを念頭に置いて、このフレームワークを示します。ここでは、さまざまな研究キャンペーンからの情報を組み合わせて、目前の科学的問題に対処できます。
このフレームワークは、1) 機器の使用などの現実的なリソース制限を考慮し、2) 再検索キャンペーンを実行できる多様な学習機能と目標を備えた機械学習エージェントを可能にし、3) マルチエージェントのコラボレーションとチームを促進します。
このフレームワークは、MULTI-agent 自律機能 (スケーラブルなフレームワーク、別名 MULTITASK) と呼ばれています。
MULTITASK は、エージェント間およびエージェント間の相互作用を含む施設全体のシミュレーションを可能にします。
MULTITASK のモジュール性により、実世界の設備が段階的にオンラインになり、シミュレートされた機器が徐々に実世界の機器に置き換えられます。
MULTITASK が、大規模な自律型および半自律型の研究キャンペーンおよび施設で新しい研究分野を開くことを願っています。

要約(オリジナル)

Autonomous materials research systems allow scientists to fail smarter, learn faster, and spend less resources in their studies. As these systems grow in number, capability, and complexity, a new challenge arises – how will they work together across large facilities? We explore one solution to this question – a multi-agent laboratory control frame-work. We demonstrate this framework with an autonomous material science lab in mind – where information from diverse research campaigns can be combined to ad-dress the scientific question at hand. This framework can 1) account for realistic resource limits such as equipment use, 2) allow for machine learning agents with diverse learning capabilities and goals capable of running re-search campaigns, and 3) facilitate multi-agent collaborations and teams. The framework is dubbed the MULTI-agent auTonomous fAcilities – a Scalable frameworK aka MULTITASK. MULTITASK makes possible facility-wide simulations, including agent-instrument and agent-agent interactions. Through MULTITASK’s modularity, real-world facilities can come on-line in phases, with simulated instruments gradually replaced by real-world instruments. We hope MULTITASK opens new areas of study in large-scale autonomous and semi-autonomous research campaigns and facilities.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google