查看“WikiEdge:ArXiv速递/2025-05-19”的源代码
←
WikiEdge:ArXiv速递/2025-05-19
跳转到导航
跳转到搜索
因为以下原因，您没有权限编辑该页面：
您请求的操作仅限属于该用户组的用户执行：
用户
您可以查看和复制此页面的源代码。
== 摘要 == * '''原文标题'''：Robin: A multi-agent system for automating scientific discovery * '''中文标题'''：罗宾：用于自动化科学发现的多智能体系统 * '''发布日期'''：2025-05-19 17:36:17+00:00 * '''作者'''：Ali Essam Ghareeb, Benjamin Chang, Ludovico Mitchener, Angela Yiu, Caralyn J. Szostkiewicz, Jon M. Laurent, Muhammed T. Razzak, Andrew D. White, Michaela M. Hinks, Samuel G. Rodriques * '''分类'''：cs.AI, cs.MA, q-bio.QM *'''原文链接'''：http://arxiv.org/abs/2505.13400v1 '''中文摘要'''：科学发现是由[[背景研究]]、[[假设生成]]、[[实验验证]]和[[数据分析]]的迭代过程驱动的。尽管[[人工智能]]在[[科学发现]]中的应用取得了最新进展，但尚未有系统能在单一工作流中实现所有这些阶段的自动化。本文介绍[[Robin]]——首个能够完全自动化科学过程关键智力步骤的[[多智能体系统]]。通过将[[文献检索]]智能体与[[数据分析]]智能体相结合，Robin能生成假设、提出[[实验方案]]、解释[[实验结果]]并生成更新假设，实现了科学发现的半自主化方法。应用该系统后，我们成功识别出治疗[[干性年龄相关性黄斑变性]]（[[dAMD]]，发达国家主要致盲病因）的新型疗法。Robin提出增强[[视网膜色素上皮细胞]]吞噬作用作为治疗策略，并鉴定验证了有前景的候选药物[[利帕舒地尔]]（[[ripasudil]]）。该药物是临床使用的[[Rho激酶]]（[[ROCK]]）抑制剂，此前从未被提出用于治疗dAMD。为阐明利帕舒地尔上调吞噬作用的机制，Robin随后提出并分析了[[RNA-seq]]后续实验，揭示了关键[[脂质外排泵]][[ABCA1]]的上调——该靶点可能成为新型治疗靶标。本报告正文中所有假设、实验计划、数据分析和数据图表均由Robin生成。作为首个在"[[实验室在环]]"迭代框架中自主发现并验证新型候选疗法的[[AI系统]]，Robin为[[AI驱动]]的科学发现建立了新范式。 == 摘要 == * '''原文标题'''：The SXS Collaboration's third catalog of binary black hole simulations * '''中文标题'''：SXS合作组第三版双黑洞模拟目录 * '''发布日期'''：2025-05-19 17:21:54+00:00 * '''作者'''：Mark A. Scheel, Michael Boyle, Keefe Mitman, Nils Deppe, Leo C. Stein, Cristóbal Armaza, Marceline S. Bonilla, Luisa T. Buchman, Andrea Ceja, Himanshu Chaudhary, Yitian Chen, Maxence Corman, Károly Zoltán Csukás, C. Melize Ferrus, Scott E. Field, Matthew Giesler, Sarah Habib, François Hébert, Daniel A. Hemberger, Dante A. B. Iozzo, Tousif Islam, Ken Z. Jones, Aniket Khairnar, Lawrence E. Kidder, Taylor Knapp, Prayush Kumar, Guillermo Lara, Oliver Long, Geoffrey Lovelace, Sizheng Ma, Denyz Melchor, Marlo Morales, Jordan Moxon, Peter James Nee, Kyle C. Nell, Eamonn O'Shea, Serguei Ossokine, Robert Owen, Harald P. Pfeiffer, Isabella G. Pretto, Teresita Ramirez-Aguilar, Antoni Ramos-Buades, Adhrit Ravichandran, Abhishek Ravishankar, Samuel Rodriguez, Hannes R. Rüter, Jennifer Sanchez, Md Arif Shaikh, Dongze Sun, Béla Szilágyi, Daniel Tellez, Saul A. Teukolsky, Sierra Thomas, William Throwe, Vijay Varma, Nils L. Vu, Marissa Walker, Nikolas A. Wittek, Jooheon Yoo * '''分类'''：gr-qc *'''原文链接'''：http://arxiv.org/abs/2505.13378v1 '''中文摘要'''：我们发布了模拟极端时空（[[SXS]]）合作项目[[双黑洞]]模拟目录的重大更新。通过采用[[谱爱因斯坦代码]]（[[SpEC]]）中实现的高效[[谱方法]]，我们将[[双星]]构型总数从2,018组大幅扩充至3,756组。新版目录密集覆盖了[[质量比]]达q=8、[[无量纲自旋]]达|χ⃗|≤0.8且近零[[偏心率]]的[[进动]]模拟参数空间，同时包含部分更高质量比（含中等自旋）及超过250组[[偏心轨道]]的模拟。我们已弃用并重新运行了旧目录中的部分模拟（如使用早期[[SpEC]]版本或[[波形]]误差异常高的案例）。目录中不同[[分辨率]]波形间的中位差异（与[[失配度]]相似）为4×10⁻⁴，模拟轨道数中位值为22圈，最长模拟达148圈。所有波形均已校正至[[双星]][[质心坐标系]]并呈现[[引力波记忆效应]]。估算目录总[[CPU]]成本为4.8亿[[核心小时]]，使用[[谱方法]]进行[[双黑洞]]模拟的效率比精度相当的[[有限差分]]模拟高出1,000倍以上。完整目录可通过[[sxs]] [[Python]]包及https://data.black-holes.org 公开获取。 == 摘要 == * '''原文标题'''：A flexible approach for fat-water separation with bipolar readouts and correction of gradient-induced phase and amplitude effects * '''中文标题'''：采用双极读出和梯度诱导相位/振幅效应校正的灵活脂肪-水分离方法 * '''发布日期'''：2025-05-19 11:59:44+00:00 * '''作者'''：Jorge Campos Pazmino, Renée-Claude Bider, Véronique Fortier, Ives R. Levesque * '''分类'''：physics.med-ph *'''原文链接'''：http://arxiv.org/abs/2505.13015v1 '''中文摘要'''：目的：开发一种[[脂肪-水分离]]方法，无需额外扫描即可校正[[双极性读出梯度]]引起的效应，且兼容任何[[脂肪-水分离技术]]。理论与方法：该方法通过联合处理[[双极性多回波梯度回波序列]]的奇偶回波数据，结合[[逆问题]]求解[[相位]]和[[振幅]]校正的[[最小二乘估计]]，以消除[[双极性梯度效应]]。通过[[克拉美-罗界理论]]（[[CRB]]）计算[[信号平均次数]]（[[NSA]]）优化[[序列参数]]选择，并采用[[图割优化]]进行方法验证，同时通过[[蒙特卡洛模拟]]（[[MC]]）评估准确性。在[[体模]]和[[活体实验]]中测试了该方法，通过[[质子密度脂肪分数图]]（[[PDFF]]）量化性能。结果：[[NSA]]计算表明短[[TE1]]和[[ΔTE]]=1.5 ms是[[脂肪-水分离]]的最优参数。[[MC]]模拟显示[[脂肪/水复合信号]]、[[ψ]]和[[R_2^*]]的估计误差均值低于1%。[[体模]]和[[活体实验]]证实该方法有效消除了[[双极性读出梯度]]的影响，提升了[[脂肪-水分离]]效果。结论：所提方法能校正[[双极性读出梯度]]对[[脂肪-水分离]]的有害效应，可将现有[[单极性梯度]]数据设计的[[脂肪-水分离技术]]扩展至[[双极性梯度]]数据。 == 摘要 == * '''原文标题'''：RSS-Based Localization: Ensuring Consistency and Asymptotic Efficiency * '''中文标题'''：基于RSS的定位：确保一致性与渐近有效性 * '''发布日期'''：2025-05-19 13:04:51+00:00 * '''作者'''：Shenghua Hu, Guangyang Zeng, Wenchao Xue, Haitao Fang, Junfeng Wu, Biqiang Mu * '''分类'''：eess.SY, cs.SY *'''原文链接'''：http://arxiv.org/abs/2505.13070v1 '''中文摘要'''：摘要：我们研究了基于[[接收信号强度]]测量的[[信号源定位]]问题。首先提出可验证的[[传感器部署]]几何条件，确保模型的[[渐近可定位性]]。随后证明[[最大似然]]（[[ML]]）[[估计量]]具有[[一致性]]和[[渐近有效性]]。然而，由于ML估计量需要求解[[非凸优化]]问题，其计算具有挑战性。为此，我们提出一种两阶段[[估计器]]：在保持与ML估计量相同渐近性质的同时，计算复杂度仅为测量次数的线性量级。关键难点在于第一阶段获得一致性估计量——我们通过对[[非线性测量模型]]进行[[代数变换]]，构建两个[[线性最小二乘]]估计问题（具有[[闭式解]]）；第二阶段以第一阶段的一致性估计量为初值执行单次[[高斯-牛顿迭代]]，即可达到与ML估计量相同的渐近有效性。[[仿真]]结果验证了所提两阶段估计器的理论性质与实际效能。 == 摘要 == * '''原文标题'''：Asymptotic analysis for a class of planar orthogonal polynomials on the unit disc * '''中文标题'''：单位圆盘上一类平面正交多项式的渐近分析 * '''发布日期'''：2025-05-19 02:39:17+00:00 * '''作者'''：Alfredo Deaño, Ken McLaughlin, Leslie Molag, Nick Simm * '''分类'''：math-ph, math.CA, math.CV, math.MP, math.PR, 33C45, 33E17, 60B20, 41A60 *'''原文链接'''：http://arxiv.org/abs/2505.12633v1 '''中文摘要'''：我们对一类n次[[正交多项式]]$p_{n}(z)$进行$n \to \infty$时的[[渐近分析]]，这些多项式定义于平面[[测度]]\begin{equation*} d\mu(z) = (1-|z|^{2})^{\alpha-1}|z-x|^{\gamma}\mathbf{1}_{|z| < 1}d^{2}z \end{equation*}之上，其中$d^{2}z$是二维[[面积测度]]，$\alpha$是随n增长的参数，而$\gamma>-2$和$x>0$为固定值。该测度在[[非厄米系综]]特征多项式研究中自然出现，并推广了多位学者近期研究的[[高斯权函数]]实例。我们获得了[[复平面]]所有区域的渐近结果，并通过恰当的[[微分恒等式]]，得到了[[配分函数]]的渐近展开。主要方法是将平面正交性转化为复平面上适当[[轮廓线]]的正交性，随后运用[[Deift-Zhou最速下降法]]对关联的[[Riemann-Hilbert问题]]进行渐近分析。 == 摘要 == * '''原文标题'''：Robin: A multi-agent system for automating scientific discovery * '''中文标题'''：罗宾：用于自动化科学发现的多智能体系统 * '''发布日期'''：2025-05-19 17:36:17+00:00 * '''作者'''：Ali Essam Ghareeb, Benjamin Chang, Ludovico Mitchener, Angela Yiu, Caralyn J. Szostkiewicz, Jon M. Laurent, Muhammed T. Razzak, Andrew D. White, Michaela M. Hinks, Samuel G. Rodriques * '''分类'''：cs.AI, cs.MA, q-bio.QM *'''原文链接'''：http://arxiv.org/abs/2505.13400v1 '''中文摘要'''：科学发现是由[[背景研究]]、[[假设生成]]、[[实验验证]]和[[数据分析]]的迭代过程驱动的。尽管[[人工智能]]在科学发现中的应用取得了最新进展，但尚未有系统能在单一工作流中实现所有这些阶段的自动化。本文介绍[[Robin]]——首个能够完全自动化科学过程关键智力步骤的[[多智能体系统]]。通过整合[[文献检索]]智能体与[[数据分析]]智能体，Robin能生成假设、提出[[实验方案]]、解释[[实验结果]]并生成更新假设，实现了科学发现的半自主化方法。应用该系统，我们成功识别出治疗[[干性年龄相关性黄斑变性]]（[[dAMD]]，发达国家致盲主因）的新疗法。Robin提出增强[[视网膜色素上皮细胞]]吞噬作用作为治疗策略，并鉴定验证了有前景的候选药物[[利帕舒地尔]]（[[ripasudil]]）。该临床使用的[[Rho激酶]]（[[ROCK]]）抑制剂此前从未被提议用于dAMD治疗。为阐明利帕舒地尔上调吞噬作用的机制，Robin进一步提出并分析了[[RNA-seq]]追踪实验，发现[[ABCA1]]（关键[[脂质]]外排泵及潜在新靶点）的上调。本报告正文中所有假设、实验计划、数据分析和图表均由Robin生成。作为首个在"[[实验室在环]]"迭代框架中自主发现并验证新治疗候选物的[[AI系统]]，Robin为[[AI驱动]]的科学发现建立了新范式。 == 摘要 == * '''原文标题'''：A flexible approach for fat-water separation with bipolar readouts and correction of gradient-induced phase and amplitude effects * '''中文标题'''：双极读出梯度下脂肪-水分离的灵活方法及梯度诱导相位与幅度效应的校正 * '''发布日期'''：2025-05-19 11:59:44+00:00 * '''作者'''：Jorge Campos Pazmino, Renée-Claude Bider, Véronique Fortier, Ives R. Levesque * '''分类'''：physics.med-ph *'''原文链接'''：http://arxiv.org/abs/2505.13015v1 '''中文摘要'''：目的：开发一种[[脂肪-水分离]]方法，无需额外扫描即可校正[[双极读出梯度]]诱导效应，且兼容任何[[脂肪-水分离]]技术。理论与方法：该方法将[[双极多回波梯度回波序列]]的奇偶回波联合[[脂肪-水分离]]，与求解[[相位]]和[[振幅]]校正[[最小二乘估计]]的[[反问题]]相结合，以消除[[双极诱导效应]]。通过[[克拉美-罗界]]理论计算[[信号平均次数]]优化[[序列参数]]选择，并采用[[图割优化]]进行应用验证，通过[[蒙特卡洛模拟]]进一步表征准确性。在[[体模]]和[[活体实验]]中测试该方法，通过[[质子密度脂肪分数图]]评估性能。结果：[[信号平均次数]]计算表明短[[TE1]]和1.5 ms[[回波间隔]]为[[脂肪-水分离]]的最优选择。[[蒙特卡洛模拟]]显示[[脂肪/水复合信号]]、[[ψ]]和[[R2*]]的估计误差均值低于1%。[[体模]]和[[活体实验]]证实该方法有效消除了[[双极读出梯度]]的影响，改善了分离效果。结论：所提方法能校正[[双极读出梯度]]对[[脂肪-水分离]]的有害影响，可将现有[[单极读出梯度]]数据的[[脂肪-水分离]]技术扩展应用于[[双极读出梯度]]数据。 == 摘要 == * '''原文标题'''：Robin: A multi-agent system for automating scientific discovery * '''中文标题'''：罗宾：用于自动化科学发现的多智能体系统 * '''发布日期'''：2025-05-19 17:36:17+00:00 * '''作者'''：Ali Essam Ghareeb, Benjamin Chang, Ludovico Mitchener, Angela Yiu, Caralyn J. Szostkiewicz, Jon M. Laurent, Muhammed T. Razzak, Andrew D. White, Michaela M. Hinks, Samuel G. Rodriques * '''分类'''：cs.AI, cs.MA, q-bio.QM *'''原文链接'''：http://arxiv.org/abs/2505.13400v1 '''中文摘要'''：科学发现是由[[背景研究]]、[[假设生成]]、[[实验验证]]和[[数据分析]]的迭代过程驱动的。尽管[[人工智能]]在科学发现中的应用取得了最新进展，但尚未有系统能在单一工作流中实现所有这些阶段的自动化。在此，我们推出首个能完全自动化科学过程关键智力步骤的[[多智能体系统]][[Robin]]。通过将[[文献检索]]智能体与[[数据分析]]智能体相结合，Robin能够生成假设、提出[[实验方案]]、解释[[实验结果]]并生成更新假设，实现了科学发现的半自主化方法。应用该系统，我们成功识别出治疗[[干性年龄相关性黄斑变性]]（[[dAMD]]，发达国家致盲主因）的新型疗法。Robin提出增强[[视网膜色素上皮细胞]][[吞噬作用]]作为治疗策略，并鉴定验证了有前景的候选药物[[利帕舒地尔]]——一种临床使用的[[Rho激酶]]（[[ROCK]]）抑制剂，此前从未被提议用于dAMD治疗。为阐明利帕舒地尔上调吞噬作用的机制，Robin进一步提出并分析了[[RNA-seq]]后续实验，发现[[ABCA1]]（关键[[脂质]]外排泵及潜在新靶点）的上调。本报告正文中所有假设、实验计划、数据分析和数据图表均由Robin生成。作为首个在"[[实验室在环]]"迭代框架中自主发现并验证新型治疗候选物的[[AI系统]]，Robin为[[AI驱动]]的科学发现建立了新范式。 == 摘要 == * '''原文标题'''：A flexible approach for fat-water separation with bipolar readouts and correction of gradient-induced phase and amplitude effects * '''中文标题'''：采用双极读出和梯度诱导相位/振幅效应校正的灵活脂肪-水分离方法 * '''发布日期'''：2025-05-19 11:59:44+00:00 * '''作者'''：Jorge Campos Pazmino, Renée-Claude Bider, Véronique Fortier, Ives R. Levesque * '''分类'''：physics.med-ph *'''原文链接'''：http://arxiv.org/abs/2505.13015v1 '''中文摘要'''：目的：开发一种[[脂肪-水分离]]方法，无需额外扫描即可校正[[双极读出梯度]]诱导效应，且兼容任何[[脂肪-水分离技术]]。理论与方法：该方法通过联合处理双极多回波[[梯度回波采样]]的奇偶回波，结合[[逆问题]]求解[[相位]]和[[振幅]]校正的[[最小二乘估计]]，以消除双极诱导效应。基于[[克拉美-罗界理论]]（[[CRB]]）计算[[信号平均次数]]（[[NSA]]）优化[[序列参数]]选择，并通过[[图割优化]]和[[蒙特卡洛模拟]]（[[MC]]）验证准确性。在[[体模]]和[[活体实验]]中测试该方法，采用[[质子密度脂肪分数图]]（[[PDFF]]）量化性能。结果：[[NSA]]计算表明短[[TE1]]和[[ΔTE]]=1.5 ms是[[脂肪-水分离]]的最优参数。[[MC]]模拟显示[[脂肪/水复合信号]]、[[ψ]]和[[R_2^*]]的估计误差均值低于1%。[[体模]]和[[活体实验]]证实该方法有效消除了[[双极读出梯度]]的影响，提升了分离效果。结论：所提方法能校正[[双极读出梯度]]对[[脂肪-水分离]]的有害影响，可将现有[[单极梯度]]脂肪-水分离技术的适用范围扩展至[[双极梯度]]采集数据。 == 摘要 == * '''原文标题'''：Robin: A multi-agent system for automating scientific discovery * '''中文标题'''：罗宾：用于自动化科学发现的多智能体系统 * '''发布日期'''：2025-05-19 17:36:17+00:00 * '''作者'''：Ali Essam Ghareeb, Benjamin Chang, Ludovico Mitchener, Angela Yiu, Caralyn J. Szostkiewicz, Jon M. Laurent, Muhammed T. Razzak, Andrew D. White, Michaela M. Hinks, Samuel G. Rodriques * '''分类'''：cs.AI, cs.MA, q-bio.QM *'''原文链接'''：http://arxiv.org/abs/2505.13400v1 '''中文摘要'''：科学发现是由[[背景研究]]、[[假设生成]]、[[实验验证]]和[[数据分析]]的迭代过程驱动的。尽管[[人工智能]]在[[科学发现]]中的应用取得了最新进展，但尚未有系统能在单一[[工作流]]中实现所有这些阶段的[[自动化]]。本文介绍[[Robin]]——首个能够完全自动化[[科学过程]]关键[[智力步骤]]的[[多智能体系统]]。通过将[[文献搜索]]智能体与[[数据分析]]智能体相整合，Robin能够生成[[假设]]、提出[[实验方案]]、解释[[实验结果]]并生成更新[[假设]]，实现了[[科学发现]]的[[半自主化]]方法。应用该系统，我们成功识别出治疗[[干性年龄相关性黄斑变性]]（[[dAMD]]，发达国家[[致盲]]主因）的新[[疗法]]。Robin提出增强[[视网膜色素上皮细胞]][[吞噬作用]]作为[[治疗策略]]，并鉴定验证了有前景的[[候选药物]][[利帕舒地尔]]（[[ripasudil]]）。该药物是[[临床使用]]的[[Rho激酶]]（[[ROCK]][[抑制剂]]），此前从未被提出用于[[dAMD]][[治疗]]。为阐明[[利帕舒地尔]]上调[[吞噬作用]]的[[机制]]，Robin进一步提出并分析了[[RNA-seq]]后续[[实验]]，发现[[ABCA1]]（关键[[脂质]][[外排泵]]及潜在新[[靶点]]）的[[上调]]。本报告正文中所有[[假设]]、[[实验计划]]、[[数据分析]]和[[图表]]均由[[Robin]]生成。作为首个在"[[实验室在环]]"迭代[[框架]]中自主发现并验证新[[治疗候选物]]的[[AI系统]]，Robin为[[AI驱动]]的[[科学发现]]建立了新[[范式]]。 == 摘要 == * '''原文标题'''：A flexible approach for fat-water separation with bipolar readouts and correction of gradient-induced phase and amplitude effects * '''中文标题'''：采用双极读出并校正梯度诱导相位和幅度效应的灵活脂肪-水分离方法 * '''发布日期'''：2025-05-19 11:59:44+00:00 * '''作者'''：Jorge Campos Pazmino, Renée-Claude Bider, Véronique Fortier, Ives R. Levesque * '''分类'''：physics.med-ph *'''原文链接'''：http://arxiv.org/abs/2505.13015v1 '''中文摘要'''：目的：开发一种[[脂肪-水分离]]方法，无需额外扫描即可校正[[双极读出梯度]]诱导效应，且兼容任何[[脂肪-水分离]]技术。理论与方法：该方法将[[双极多回波梯度回波序列]]的奇偶回波联合[[脂肪-水分离]]与求解[[相位/振幅校正]]最小二乘估计的[[反问题]]相结合，以消除[[双极诱导效应]]。通过[[克拉美-罗界理论]]（[[CRB]]）计算[[信号平均次数]]（[[NSA]]）优化序列参数选择，并采用[[图割优化]]进行方法验证，通过[[蒙特卡洛模拟]]（[[MC]]）进一步评估准确性。在[[体模]]和[[活体实验]]中测试该方法，通过[[质子密度脂肪分数图]]（[[PDFF]]）量化性能。结果：[[NSA]]计算表明短[[TE1]]和[[ΔTE]]=1.5 ms是[[脂肪-水分离]]的最优参数。[[MC]]模拟显示[[脂肪/水复合信号]]、[[ψ]]和[[R_2^*]]的估计平均相对误差小于1%。[[体模]]和[[活体实验]]证实该方法有效消除了[[双极读出梯度]]的影响，改善了分离效果。结论：所提方法能校正[[双极读出梯度]]对[[脂肪-水分离]]的有害影响，可将现有[[单极读出梯度]]数据的[[脂肪-水分离]]技术扩展至[[双极读出梯度]]数据。 == 摘要 == * '''原文标题'''：Robin: A multi-agent system for automating scientific discovery * '''中文标题'''：罗宾：用于自动化科学发现的多智能体系统 * '''发布日期'''：2025-05-19 17:36:17+00:00 * '''作者'''：Ali Essam Ghareeb, Benjamin Chang, Ludovico Mitchener, Angela Yiu, Caralyn J. Szostkiewicz, Jon M. Laurent, Muhammed T. Razzak, Andrew D. White, Michaela M. Hinks, Samuel G. Rodriques * '''分类'''：cs.AI, cs.MA, q-bio.QM *'''原文链接'''：http://arxiv.org/abs/2505.13400v1 '''中文摘要'''：科学发现是由[[背景研究]]、[[假设生成]]、[[实验验证]]和[[数据分析]]的迭代过程驱动的。尽管[[人工智能]]在科学发现中的应用取得了最新进展，但尚未有系统能在单一工作流中实现所有这些阶段的自动化。在此，我们介绍首个能够完全自动化科学过程关键智力步骤的[[多智能体系统]][[Robin]]。通过将[[文献检索]]智能体与[[数据分析]]智能体相结合，Robin能够生成假设、提出[[实验方案]]、解释[[实验结果]]并生成更新假设，实现了科学发现的半自主方法。应用该系统，我们成功识别出治疗[[干性年龄相关性黄斑变性]]（[[dAMD]]，发达国家致盲主因）的新疗法。Robin提出增强[[视网膜色素上皮细胞]][[吞噬作用]]作为治疗策略，并鉴定验证了有前景的候选药物[[利帕舒地尔]]——一种临床使用的[[Rho激酶]]（[[ROCK]]）抑制剂，此前从未被提出用于治疗dAMD。为阐明利帕舒地尔上调吞噬作用的机制，Robin随后提出并分析了[[RNA-seq]]后续实验，发现[[ABCA1]]（关键[[脂质]]外排泵及潜在新靶点）的上调。本报告正文中所有假设、实验计划、数据分析和图表均由Robin生成。作为首个在"[[实验室在环]]"迭代框架中自主发现并验证新治疗候选物的[[AI系统]]，Robin为[[AI驱动]]的科学发现建立了新范式。 == 摘要 == * '''原文标题'''：Robin: A multi-agent system for automating scientific discovery * '''中文标题'''：罗宾：用于自动化科学发现的多智能体系统 * '''发布日期'''：2025-05-19 17:36:17+00:00 * '''作者'''：Ali Essam Ghareeb, Benjamin Chang, Ludovico Mitchener, Angela Yiu, Caralyn J. Szostkiewicz, Jon M. Laurent, Muhammed T. Razzak, Andrew D. White, Michaela M. Hinks, Samuel G. Rodriques * '''分类'''：cs.AI, cs.MA, q-bio.QM *'''原文链接'''：http://arxiv.org/abs/2505.13400v1 '''中文摘要'''：科学发现是由[[背景研究]]、[[假设生成]]、[[实验验证]]和[[数据分析]]的迭代过程驱动的。尽管[[人工智能]]在科学发现中的应用取得了最新进展，但尚未有系统能在单一工作流中实现所有这些阶段的自动化。在此，我们介绍首个能够完全自动化科学过程关键智力步骤的[[多智能体系统]][[Robin]]。通过将[[文献检索]]智能体与[[数据分析]]智能体相结合，Robin能够生成假设、提出[[实验方案]]、解释[[实验结果]]并生成更新假设，实现了科学发现的半自主化方法。应用该系统，我们成功识别出治疗[[干性年龄相关性黄斑变性]]（[[dAMD]]，发达国家致盲主因）的新型疗法。Robin提出增强[[视网膜色素上皮细胞]][[吞噬作用]]作为治疗策略，并鉴定验证了有前景的候选药物[[利帕舒地尔]]——一种临床使用的[[Rho激酶]]（[[ROCK抑制剂]]），此前从未被提议用于治疗dAMD。为阐明利帕舒地尔上调吞噬作用的机制，Robin进一步提出并分析了[[RNA-seq]]后续实验，发现[[ABCA1]]（关键[[脂质外排泵]]及潜在新靶点）的上调。本报告正文中所有假设、实验方案、数据分析和图表均由Robin生成。作为首个在"[[实验室在环]]"迭代框架中自主发现并验证新型治疗候选物的[[AI系统]]，Robin为[[AI驱动的科学发现]]建立了新范式。 == 摘要 == * '''原文标题'''：Robin: A multi-agent system for automating scientific discovery * '''中文标题'''：罗宾：用于自动化科学发现的多智能体系统 * '''发布日期'''：2025-05-19 17:36:17+00:00 * '''作者'''：Ali Essam Ghareeb, Benjamin Chang, Ludovico Mitchener, Angela Yiu, Caralyn J. Szostkiewicz, Jon M. Laurent, Muhammed T. Razzak, Andrew D. White, Michaela M. Hinks, Samuel G. Rodriques * '''分类'''：cs.AI, cs.MA, q-bio.QM *'''原文链接'''：http://arxiv.org/abs/2505.13400v1 '''中文摘要'''：[[科学发现]]是由[[背景研究]]、[[假设生成]]、[[实验验证]]和[[数据分析]]的迭代过程驱动的。尽管[[人工智能]]在科学发现中的应用取得了最新进展，但尚未有系统能在单一工作流中实现所有这些阶段的自动化。在此，我们介绍首个能够完全自动化科学过程关键智力步骤的[[多智能体系统]][[Robin]]。通过将[[文献检索]]智能体与[[数据分析]]智能体相结合，Robin能够生成假设、提出[[实验方案]]、解释[[实验结果]]并更新假设，实现了科学发现的半自主化方法。应用该系统后，我们成功识别出治疗[[干性年龄相关性黄斑变性]]（[[dAMD]]）的新疗法——该疾病是[[发达国家]]致盲的主要原因。Robin提出增强[[视网膜色素上皮细胞]][[吞噬作用]]作为治疗策略，并鉴定验证了有前景的候选药物[[利帕舒地尔]]。利帕舒地尔是临床使用的[[Rho激酶]]（[[ROCK]]）抑制剂，此前从未被提出用于治疗dAMD。为阐明利帕舒地尔上调吞噬作用的机制，Robin进一步提出并分析了[[RNA-seq]]后续实验，揭示了关键[[脂质]]外排泵[[ABCA1]]的上调——该靶点可能成为新型治疗靶标。本报告正文中所有假设、实验方案、数据分析和图表均由Robin生成。作为首个在"[[实验室在环]]"迭代框架中自主发现并验证新治疗候选物的[[AI系统]]，Robin为[[AI驱动]]的科学发现建立了新范式。 == 摘要 == * '''原文标题'''：Robin: A multi-agent system for automating scientific discovery * '''中文标题'''：罗宾：用于自动化科学发现的多智能体系统 * '''发布日期'''：2025-05-19 17:36:17+00:00 * '''作者'''：Ali Essam Ghareeb, Benjamin Chang, Ludovico Mitchener, Angela Yiu, Caralyn J. Szostkiewicz, Jon M. Laurent, Muhammed T. Razzak, Andrew D. White, Michaela M. Hinks, Samuel G. Rodriques * '''分类'''：cs.AI, cs.MA, q-bio.QM *'''原文链接'''：http://arxiv.org/abs/2505.13400v1 '''中文摘要'''：科学发现是由[[背景研究]]、[[假设生成]]、[[实验设计]]和[[数据分析]]的迭代过程驱动的。尽管[[人工智能]]在科学发现中的应用取得了最新进展，但尚未有系统能在单一工作流中实现所有这些阶段的自动化。本文介绍[[Robin]]——首个能够完全自动化科学过程关键智力步骤的[[多智能体系统]]。通过将[[文献检索]]智能体与[[数据分析]]智能体相结合，Robin能生成假设、提出实验方案、解释实验结果并生成更新假设，实现了科学发现的半自主化方法。应用该系统，我们成功识别出治疗[[干性年龄相关性黄斑变性]]（[[dAMD]]，发达国家致盲主因）的新疗法。Robin提出增强[[视网膜色素上皮细胞]]吞噬作用作为治疗策略，并鉴定验证了有前景的候选药物[[利帕舒地尔]]（[[ripasudil]]）。该临床使用的[[Rho激酶]]（[[ROCK]]抑制剂）此前从未被提出用于dAMD治疗。为阐明利帕舒地尔上调吞噬作用的机制，Robin进一步提出并分析了[[RNA-seq]]追踪实验，发现[[ABCA1]]（关键脂质外排泵及潜在新靶点）的上调。本报告正文中所有假设、实验方案、数据分析和图表均由Robin生成。作为首个在"[[实验室在环]]"迭代框架中自主发现并验证新治疗候选物的[[AI系统]]，Robin为[[AI驱动的科学发现]]建立了新范式。 == 摘要 == * '''原文标题'''：Robin: A multi-agent system for automating scientific discovery * '''中文标题'''：罗宾：用于自动化科学发现的多智能体系统 * '''发布日期'''：2025-05-19 17:36:17+00:00 * '''作者'''：Ali Essam Ghareeb, Benjamin Chang, Ludovico Mitchener, Angela Yiu, Caralyn J. Szostkiewicz, Jon M. Laurent, Muhammed T. Razzak, Andrew D. White, Michaela M. Hinks, Samuel G. Rodriques * '''分类'''：cs.AI, cs.MA, q-bio.QM *'''原文链接'''：http://arxiv.org/abs/2505.13400v1 '''中文摘要'''：科学发现是由[[背景研究]]、[[假设生成]]、[[实验设计]]和[[数据分析]]的迭代过程驱动的。尽管[[人工智能]]在科学发现中的应用取得了最新进展，但尚未有系统能在单一工作流中实现所有这些阶段的自动化。在此，我们推出首个能完全自动化科学过程关键智力步骤的[[多智能体系统]][[Robin]]。通过将[[文献检索]]智能体与[[数据分析]]智能体相整合，Robin能够生成假设、提出实验方案、解释实验结果并生成更新假设，实现了科学发现的半自主化方法。应用该系统后，我们成功识别出治疗[[干性年龄相关性黄斑变性]]（[[dAMD]]，发达国家主要致盲病因）的新型疗法。Robin提出增强[[视网膜色素上皮细胞]][[吞噬作用]]作为治疗策略，并鉴定验证了极具前景的候选药物[[利帕舒地尔]]——一种临床使用的[[Rho激酶]]（[[ROCK]]）抑制剂，此前从未被提出用于dAMD治疗。为阐明利帕舒地尔上调吞噬作用的机制，Robin随后设计并分析了[[RNA-seq]]追踪实验，发现[[ABCA1]]（关键[[脂质]]外排泵及潜在新靶点）的上调。本报告正文中所有假设、实验方案、数据分析和数据图表均由Robin生成。作为首个在"[[实验室在环]]"迭代框架中自主发现并验证新型治疗候选物的[[AI系统]]，Robin为[[AI驱动]]的科学发现建立了新范式。 == 摘要 == * '''原文标题'''：Robin: A multi-agent system for automating scientific discovery * '''中文标题'''：罗宾：用于自动化科学发现的多智能体系统 * '''发布日期'''：2025-05-19 17:36:17+00:00 * '''作者'''：Ali Essam Ghareeb, Benjamin Chang, Ludovico Mitchener, Angela Yiu, Caralyn J. Szostkiewicz, Jon M. Laurent, Muhammed T. Razzak, Andrew D. White, Michaela M. Hinks, Samuel G. Rodriques * '''分类'''：cs.AI, cs.MA, q-bio.QM *'''原文链接'''：http://arxiv.org/abs/2505.13400v1 '''中文摘要'''：科学发现是由[[背景研究]]、[[假设生成]]、[[实验]]和[[数据分析]]的迭代过程驱动的。尽管[[人工智能]]在科学发现中的应用取得了最新进展，但尚未有系统能在单一工作流中实现所有这些阶段的自动化。在此，我们介绍[[Robin]]——首个能够完全自动化科学过程关键智力步骤的[[多智能体系统]]。通过将[[文献搜索]]智能体与[[数据分析]]智能体相结合，Robin能够生成假设、提出实验方案、解释实验结果并生成更新后的假设，实现了科学发现的半自主方法。应用该系统后，我们成功识别出一种治疗[[干性年龄相关性黄斑变性]]（dAMD）的新方法，该疾病是发达国家致盲的主要原因。Robin提出增强[[视网膜色素上皮细胞]]的[[吞噬作用]]作为治疗策略，并鉴定验证了有前景的候选药物[[利帕舒地尔]]。利帕舒地尔是一种临床使用的[[Rho激酶]]（ROCK）抑制剂，此前从未被提出用于治疗dAMD。为阐明利帕舒地尔上调吞噬作用的机制，Robin随后提出并分析了[[RNA-seq]]后续实验，揭示了[[ABCA1]]（一种关键[[脂质外排泵]]及潜在新靶点）的上调。本报告正文中的所有假设、实验计划、数据分析和数据图表均由Robin生成。作为首个在"[[实验室在环]]"迭代框架中自主发现并验证新型治疗候选物的AI系统，Robin为AI驱动的科学发现建立了新范式。 == 摘要 == * '''原文标题'''：Robin: A multi-agent system for automating scientific discovery * '''中文标题'''：罗宾：用于自动化科学发现的多智能体系统 * '''发布日期'''：2025-05-19 17:36:17+00:00 * '''作者'''：Ali Essam Ghareeb, Benjamin Chang, Ludovico Mitchener, Angela Yiu, Caralyn J. Szostkiewicz, Jon M. Laurent, Muhammed T. Razzak, Andrew D. White, Michaela M. Hinks, Samuel G. Rodriques * '''分类'''：cs.AI, cs.MA, q-bio.QM *'''原文链接'''：http://arxiv.org/abs/2505.13400v1 '''中文摘要'''：科学发现是由[[背景研究]]、[[假设生成]]、[[实验验证]]和[[数据分析]]的迭代过程驱动的。尽管[[人工智能]]在[[科学发现]]中的应用取得了最新进展，但尚未有系统能在单一工作流中实现所有这些阶段的自动化。在此，我们推出[[Robin]]——首个能够完全自动化科学过程关键智力步骤的[[多智能体系统]]。通过将[[文献搜索]]智能体与[[数据分析]]智能体相整合，Robin能够生成假设、提出[[实验方案]]、解释[[实验结果]]并生成更新假设，实现了科学发现的半自主化方法。应用该系统后，我们成功识别出治疗[[干性年龄相关性黄斑变性]]（[[dAMD]]，发达国家致盲主因）的新型疗法。Robin提出增强[[视网膜色素上皮细胞]]吞噬作用作为治疗策略，并发现并验证了极具前景的候选药物[[利帕舒地尔]]。该药物是临床使用的[[Rho激酶]]（[[ROCK]]）抑制剂，此前从未被提出用于治疗dAMD。为阐明利帕舒地尔上调吞噬作用的机制，Robin随后提出并分析了[[RNA-seq]]跟踪实验，揭示了关键[[脂质外排泵]][[ABCA1]]的上调——这可能是新型治疗靶点。本报告正文中所有假设、实验计划、数据分析和数据图表均由Robin生成。作为首个在"[[实验室在环]]"迭代框架中自主发现并验证新型治疗候选物的[[AI系统]]，Robin为[[AI驱动]]的科学发现建立了新范式。 == 摘要 == * '''原文标题'''：Robin: A multi-agent system for automating scientific discovery * '''中文标题'''：罗宾：用于自动化科学发现的多智能体系统 * '''发布日期'''：2025-05-19 17:36:17+00:00 * '''作者'''：Ali Essam Ghareeb, Benjamin Chang, Ludovico Mitchener, Angela Yiu, Caralyn J. Szostkiewicz, Jon M. Laurent, Muhammed T. Razzak, Andrew D. White, Michaela M. Hinks, Samuel G. Rodriques * '''分类'''：cs.AI, cs.MA, q-bio.QM *'''原文链接'''：http://arxiv.org/abs/2505.13400v1 '''中文摘要'''：科学发现是由[[背景研究]]、[[假设生成]]、[[实验验证]]和[[数据分析]]的迭代过程驱动的。尽管[[人工智能]]在[[科学发现]]中的应用取得了最新进展，但尚未有系统能在单一工作流中实现所有这些阶段的自动化。在此，我们介绍首个能够完全自动化科学过程关键智力步骤的[[多智能体系统]][[Robin]]。通过将[[文献检索]]智能体与[[数据分析]]智能体相结合，Robin能够生成[[假设]]、提出[[实验方案]]、解释[[实验结果]]并生成更新后的假设，实现了科学发现的半自主化方法。应用该系统后，我们成功识别出治疗[[干性年龄相关性黄斑变性]]（[[dAMD]]，发达国家致盲主因）的新型疗法。Robin提出增强[[视网膜色素上皮细胞]][[吞噬作用]]作为治疗策略，并鉴定验证了有前景的候选药物[[利帕舒地尔]]——一种临床使用的[[Rho激酶]]（[[ROCK]]）抑制剂，此前从未被提出用于治疗dAMD。为阐明利帕舒地尔上调吞噬作用的机制，Robin随后提出并分析了[[RNA-seq]]后续实验，发现[[ABCA1]]（关键[[脂质]]外排泵及潜在新靶点）的上调。本报告正文中所有假设、实验方案、数据分析和数据图表均由Robin生成。作为首个在"[[实验室在环]]"迭代框架中自主发现并验证新型治疗候选物的[[AI系统]]，Robin为[[AI驱动]]的科学发现建立了新范式。 == 摘要 == * '''原文标题'''：Robin: A multi-agent system for automating scientific discovery * '''中文标题'''：罗宾：用于自动化科学发现的多智能体系统 * '''发布日期'''：2025-05-19 17:36:17+00:00 * '''作者'''：Ali Essam Ghareeb, Benjamin Chang, Ludovico Mitchener, Angela Yiu, Caralyn J. Szostkiewicz, Jon M. Laurent, Muhammed T. Razzak, Andrew D. White, Michaela M. Hinks, Samuel G. Rodriques * '''分类'''：cs.AI, cs.MA, q-bio.QM *'''原文链接'''：http://arxiv.org/abs/2505.13400v1 '''中文摘要'''：科学发现是由[[背景研究]]、[[假设生成]]、[[实验验证]]和[[数据分析]]的迭代过程驱动的。尽管[[人工智能]]在[[科学发现]]中的应用取得了最新进展，但尚未有系统能在单一工作流中实现所有这些阶段的自动化。在此，我们介绍首个能完全自动化科学过程关键智力步骤的[[多智能体系统]][[Robin]]。通过将[[文献检索]]智能体与[[数据分析]]智能体相整合，Robin能够生成假设、提出[[实验方案]]、解释[[实验结果]]并生成更新假设，实现了科学发现的半自主化方法。应用该系统，我们成功识别出治疗[[干性年龄相关性黄斑变性]]（[[dAMD]]，发达国家致盲主因）的新型疗法。Robin提出增强[[视网膜色素上皮细胞]][[吞噬作用]]作为治疗策略，并鉴定验证了有前景的候选药物[[利帕舒地尔]]——一种临床使用的[[Rho激酶]]（[[ROCK]]）抑制剂，此前从未被提出用于dAMD治疗。为阐明利帕舒地尔上调吞噬作用的机制，Robin进一步提出并分析了[[RNA-seq]]后续实验，发现[[ABCA1]]（关键[[脂质]]外排泵及潜在新靶点）的上调。本报告正文中所有假设、实验计划、数据分析和图表均由Robin生成。作为首个在"[[实验室在环]]"迭代框架中自主发现并验证新型治疗候选物的[[AI系统]]，Robin为[[AI驱动]]的科学发现建立了新范式。 == 摘要 == * '''原文标题'''：Robin: A multi-agent system for automating scientific discovery * '''中文标题'''：罗宾：用于自动化科学发现的多智能体系统 * '''发布日期'''：2025-05-19 17:36:17+00:00 * '''作者'''：Ali Essam Ghareeb, Benjamin Chang, Ludovico Mitchener, Angela Yiu, Caralyn J. Szostkiewicz, Jon M. Laurent, Muhammed T. Razzak, Andrew D. White, Michaela M. Hinks, Samuel G. Rodriques * '''分类'''：cs.AI, cs.MA, q-bio.QM *'''原文链接'''：http://arxiv.org/abs/2505.13400v1 '''中文摘要'''：科学发现是由[[背景研究]]、[[假设生成]]、[[实验验证]]和[[数据分析]]的迭代过程驱动的。尽管[[人工智能]]在科学发现中的应用取得了最新进展，但尚未有系统能在单一工作流中实现所有这些阶段的自动化。在此，我们推出首个能完全自动化科学过程关键智力步骤的[[多智能体系统]][[Robin]]。通过整合[[文献检索]]智能体与[[数据分析]]智能体，Robin能够生成假设、提出[[实验方案]]、解释[[实验结果]]并生成更新假设，实现了科学发现的半自主化方法。应用该系统，我们成功识别出治疗[[干性年龄相关性黄斑变性]]（[[dAMD]]，发达国家主要致盲病因）的新型疗法。Robin提出增强[[视网膜色素上皮细胞]][[吞噬作用]]作为治疗策略，并鉴定验证了有前景的候选药物[[利帕舒地尔]]——一种临床使用的[[Rho激酶]]（[[ROCK]]）抑制剂，此前从未被提出用于治疗dAMD。为阐明利帕舒地尔上调吞噬作用的机制，Robin随后提出并分析了[[RNA-seq]]跟踪实验，发现[[ABCA1]]（关键[[脂质]]外排泵及潜在新靶点）的上调。本报告正文中所有假设、实验计划、数据分析和数据图表均由Robin生成。作为首个在"[[实验室在环]]"迭代框架中自主发现并验证新型治疗候选物的[[AI系统]]，Robin为[[AI驱动]]的科学发现建立了新范式。 == 摘要 == * '''原文标题'''：Robin: A multi-agent system for automating scientific discovery * '''中文标题'''：罗宾：用于自动化科学发现的多智能体系统 * '''发布日期'''：2025-05-19 17:36:17+00:00 * '''作者'''：Ali Essam Ghareeb, Benjamin Chang, Ludovico Mitchener, Angela Yiu, Caralyn J. Szostkiewicz, Jon M. Laurent, Muhammed T. Razzak, Andrew D. White, Michaela M. Hinks, Samuel G. Rodriques * '''分类'''：cs.AI, cs.MA, q-bio.QM *'''原文链接'''：http://arxiv.org/abs/2505.13400v1 '''中文摘要'''：科学发现是由[[背景研究]]、[[假设生成]]、[[实验验证]]和[[数据分析]]的迭代过程驱动的。尽管[[人工智能]]在[[科学发现]]中的应用取得了最新进展，但尚未有系统能在单一工作流中实现所有这些阶段的自动化。在此，我们推出首个能完全自动化科学过程关键智力步骤的[[多智能体系统]][[Robin]]。通过将[[文献检索]]智能体与[[数据分析]]智能体相结合，Robin能够生成假设、提出[[实验方案]]、解释[[实验结果]]并生成更新假设，实现了科学发现的[[半自主化]]方法。应用该系统，我们成功识别出治疗[[干性年龄相关性黄斑变性]]（[[dAMD]]，发达国家[[致盲]]主因）的新疗法。Robin提出增强[[视网膜色素上皮细胞]][[吞噬作用]]作为治疗策略，并鉴定验证了有前景的候选药物[[利帕舒地尔]]——一种临床使用的[[Rho激酶]]（[[ROCK]]）抑制剂，此前从未被提出用于治疗dAMD。为阐明利帕舒地尔上调吞噬作用的机制，Robin进一步提出并分析了[[RNA-seq]]后续实验，发现[[ABCA1]]（关键[[脂质]][[外排泵]]及潜在新靶点）的上调。本报告正文中所有假设、实验计划、数据分析和数据图表均由Robin生成。作为首个在"[[实验室在环]]"迭代框架中自主发现并验证新治疗候选物的[[AI系统]]，Robin为[[AI驱动]]的[[科学发现]]建立了新范式。 == 摘要 == * '''原文标题'''：Robin: A multi-agent system for automating scientific discovery * '''中文标题'''：罗宾：用于自动化科学发现的多智能体系统 * '''发布日期'''：2025-05-19 17:36:17+00:00 * '''作者'''：Ali Essam Ghareeb, Benjamin Chang, Ludovico Mitchener, Angela Yiu, Caralyn J. Szostkiewicz, Jon M. Laurent, Muhammed T. Razzak, Andrew D. White, Michaela M. Hinks, Samuel G. Rodriques * '''分类'''：cs.AI, cs.MA, q-bio.QM *'''原文链接'''：http://arxiv.org/abs/2505.13400v1 '''中文摘要'''：科学发现是由[[背景研究]]、[[假设生成]]、[[实验验证]]和[[数据分析]]的迭代过程驱动的。尽管[[人工智能]]在科学发现中的应用取得了最新进展，但尚未有系统能在单一工作流中实现所有这些阶段的自动化。本文介绍[[Robin]]——首个能够完全自动化科学过程关键智力步骤的[[多智能体系统]]。通过整合[[文献检索]]智能体与[[数据分析]]智能体，Robin能生成假设、设计实验、解释实验结果并更新假设，实现了科学发现的半自主化方法。应用该系统后，我们成功识别出治疗[[干性年龄相关性黄斑变性]]（[[dAMD]]，发达国家致盲主因）的新疗法。Robin提出增强[[视网膜色素上皮细胞]]吞噬作用作为治疗策略，并鉴定验证了有前景的候选药物[[利帕舒地尔]]（[[ripasudil]]）。该临床使用的[[Rho激酶]]（[[ROCK]]）抑制剂此前从未被提议用于dAMD治疗。为阐明利帕舒地尔上调吞噬作用的机制，Robin进一步设计并分析了[[RNA-seq]]实验，发现[[ABCA1]]（关键[[脂质]]外排泵及潜在新靶点）的上调。本报告正文中所有假设、实验方案、数据分析和图表均由Robin生成。作为首个在"[[实验室在环]]"迭代框架中自主发现并验证新治疗候选物的[[AI系统]]，Robin为[[AI驱动的科学发现]]建立了新范式。 == 摘要 == * '''原文标题'''：Robin: A multi-agent system for automating scientific discovery * '''中文标题'''：罗宾：用于自动化科学发现的多智能体系统 * '''发布日期'''：2025-05-19 17:36:17+00:00 * '''作者'''：Ali Essam Ghareeb, Benjamin Chang, Ludovico Mitchener, Angela Yiu, Caralyn J. Szostkiewicz, Jon M. Laurent, Muhammed T. Razzak, Andrew D. White, Michaela M. Hinks, Samuel G. Rodriques * '''分类'''：cs.AI, cs.MA, q-bio.QM *'''原文链接'''：http://arxiv.org/abs/2505.13400v1 '''中文摘要'''：科学发现是由[[背景研究]]、[[假设生成]]、[[实验验证]]和[[数据分析]]的迭代过程驱动的。尽管[[人工智能]]在科学发现中的应用取得了最新进展，但尚未有系统能在单一工作流中实现所有这些阶段的自动化。本文介绍首个能完全自动化科学过程关键智力步骤的[[多智能体系统]][[Robin]]。通过将[[文献检索]]智能体与[[数据分析]]智能体相结合，Robin能够生成假设、提出[[实验方案]]、解释[[实验结果]]并更新假设，实现了科学发现的[[半自主化]]方法。应用该系统，我们成功识别出治疗[[干性年龄相关性黄斑变性]]（[[dAMD]]，发达国家主要致盲病因）的新疗法。Robin提出增强[[视网膜色素上皮细胞]][[吞噬作用]]作为治疗策略，并鉴定验证了有前景的候选药物[[利帕舒地尔]]——一种临床使用的[[Rho激酶]]（[[ROCK]][[抑制剂]]），此前从未被提出用于治疗dAMD。为阐明利帕舒地尔上调吞噬作用的机制，Robin进一步提出并分析了[[RNA-seq]]后续实验，发现[[ABCA1]]（关键[[脂质]][[外排泵]]及潜在新靶点）的上调。本报告正文中所有假设、实验方案、数据分析和图表均由Robin生成。作为首个在"[[实验室在环]]"迭代框架中自主发现并验证新治疗候选物的[[AI系统]]，Robin为[[AI驱动]]的科学发现建立了新范式。 == 摘要 == * '''原文标题'''：Robin: A multi-agent system for automating scientific discovery * '''中文标题'''：罗宾：用于自动化科学发现的多智能体系统 * '''发布日期'''：2025-05-19 17:36:17+00:00 * '''作者'''：Ali Essam Ghareeb, Benjamin Chang, Ludovico Mitchener, Angela Yiu, Caralyn J. Szostkiewicz, Jon M. Laurent, Muhammed T. Razzak, Andrew D. White, Michaela M. Hinks, Samuel G. Rodriques * '''分类'''：cs.AI, cs.MA, q-bio.QM *'''原文链接'''：http://arxiv.org/abs/2505.13400v1 '''中文摘要'''：科学发现是由[[背景研究]]、[[假设生成]]、[[实验验证]]和[[数据分析]]的迭代过程驱动的。尽管[[人工智能]]在[[科学发现]]中的应用取得了最新进展，但尚未有系统能在单一工作流中实现所有这些阶段的自动化。在此，我们推出首个能完全自动化科学过程关键智力步骤的[[多智能体系统]][[Robin]]。通过将[[文献搜索]]智能体与[[数据分析]]智能体相整合，Robin能够生成假设、提出[[实验方案]]、解释[[实验结果]]并生成更新假设，实现了科学发现的半自主化方法。应用该系统，我们成功识别出治疗[[干性年龄相关性黄斑变性]]（[[dAMD]]，发达国家主要致盲病因）的新型疗法。Robin提出增强[[视网膜色素上皮细胞]][[吞噬作用]]作为治疗策略，并鉴定验证了有前景的候选药物[[利帕舒地尔]]——一种临床使用的[[Rho激酶]]（[[ROCK抑制剂]]），此前从未被提出用于治疗dAMD。为阐明利帕舒地尔上调吞噬作用的机制，Robin随后提出并分析了[[RNA-seq]]后续实验，发现[[ABCA1]]（关键[[脂质外排泵]]及潜在新靶点）的上调。本报告正文中所有假设、实验方案、数据分析和数据图表均由Robin生成。作为首个在"[[实验室闭环]]"迭代框架中自主发现并验证新型治疗候选物的[[AI系统]]，Robin为[[AI驱动]]的科学发现建立了新范式。
返回
WikiEdge:ArXiv速递/2025-05-19
。
导航菜单
个人工具
创建账号
登录
命名空间
项目页面
讨论
不转换
不转换
简体
繁體
大陆简体
香港繁體
澳門繁體
大马简体
新加坡简体
臺灣正體
查看
阅读
查看源代码
查看历史
更多
搜索
导航
首页
最近更改
随机页面
MediaWiki帮助
工具
链入页面
相关更改
特殊页面
页面信息