SciAgents: Automating scientific discovery through multi-agent intelligent graph reasoning

要約

人工知能における重要な課題は、新しい領域を探索し、複雑なパターンを特定し、膨大な科学データの中からこれまで見えなかったつながりを明らかにすることで、科学的理解を自律的に進めることができるシステムを構築することです。
この研究では、次の 3 つの核となる概念を活用するアプローチである SciAgents を紹介します: (1) 大規模なオントロジー知識グラフを使用して、多様な科学概念を整理し相互接続する、(2) 大規模言語モデル (LLM) とデータのスイート
検索ツール、および (3) 現場学習機能を備えたマルチエージェント システム。
生物学にインスピレーションを得た材料に適用された SciAgents は、これまで無関係だと考えられていた隠された学際的な関係を明らかにし、従来の人間主導の研究方法を超える規模、精度、探索力を実現します。
このフレームワークは、研究仮説を自律的に生成して洗練させ、根底にあるメカニズム、設計原理、予期しない材料特性を解明します。
これらの機能をモジュール形式で統合することにより、インテリジェント システムは重要な発見をもたらし、既存の仮説を批判および改善し、既存の研究に関する最新データを取得し、その長所と限界を強調します。
私たちのケーススタディは、生物システムに似た「知性の群れ」を利用して、生成 AI、オントロジー表現、マルチエージェント モデリングを組み合わせるスケーラブルな機能を実証しています。
これにより、材料発見に新たな道が提供され、自然の設計原則を解き放つことで先端材料の開発が加速されます。

要約(オリジナル)

A key challenge in artificial intelligence is the creation of systems capable of autonomously advancing scientific understanding by exploring novel domains, identifying complex patterns, and uncovering previously unseen connections in vast scientific data. In this work, we present SciAgents, an approach that leverages three core concepts: (1) the use of large-scale ontological knowledge graphs to organize and interconnect diverse scientific concepts, (2) a suite of large language models (LLMs) and data retrieval tools, and (3) multi-agent systems with in-situ learning capabilities. Applied to biologically inspired materials, SciAgents reveals hidden interdisciplinary relationships that were previously considered unrelated, achieving a scale, precision, and exploratory power that surpasses traditional human-driven research methods. The framework autonomously generates and refines research hypotheses, elucidating underlying mechanisms, design principles, and unexpected material properties. By integrating these capabilities in a modular fashion, the intelligent system yields material discoveries, critique and improve existing hypotheses, retrieve up-to-date data about existing research, and highlights their strengths and limitations. Our case studies demonstrate scalable capabilities to combine generative AI, ontological representations, and multi-agent modeling, harnessing a `swarm of intelligence’ similar to biological systems. This provides new avenues for materials discovery and accelerates the development of advanced materials by unlocking Nature’s design principles.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google