WikiEdge:ArXiv速递/2025-05-19

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。