WikiEdge:ArXiv速遞/2025-05-19

出自WikiEdge
跳至導覽 跳至搜尋

摘要

  • 原文標題：Robin: A multi-agent system for automating scientific discovery
  • 中文標題：羅賓：用於自動化科學發現的多智能體系統
  • 發布日期：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
  • 分類：cs.AI, cs.MA, q-bio.QM
  • 原文鏈接：http://arxiv.org/abs/2505.13400v1

中文摘要：科學發現是由背景研究、假設生成、實驗驗證和數據分析的迭代過程驅動的。儘管人工智能在科學發現中的應用取得了最新進展，但尚未有系統能在單一工作流中實現所有這些階段的自動化。本文介紹Robin——首個能夠完全自動化科學過程關鍵智力步驟的多智能體系統。通過將文獻檢索智能體與數據分析智能體相結合，Robin能生成假設、提出實驗方案、解釋實驗結果並生成更新假設，實現了科學發現的半自主化方法。應用該系統後，我們成功識別出治療乾性年齡相關性黃斑變性（dAMD，發達國家主要致盲病因）的新型療法。Robin提出增強視網膜色素上皮細胞吞噬作用作為治療策略，並鑑定驗證了有前景的候選藥物利帕舒地爾（ripasudil）。該藥物是臨床使用的Rho激酶（ROCK）抑制劑，此前從未被提出用於治療dAMD。為闡明利帕舒地爾上調吞噬作用的機制，Robin隨後提出並分析了RNA-seq後續實驗，揭示了關鍵脂質外排泵ABCA1的上調——該靶點可能成為新型治療靶標。本報告正文中所有假設、實驗計劃、數據分析和數據圖表均由Robin生成。作為首個在"實驗室在環"迭代框架中自主發現並驗證新型候選療法的AI系統，Robin為AI驅動的科學發現建立了新範式。

摘要

  • 原文標題：The SXS Collaboration's third catalog of binary black hole simulations
  • 中文標題：SXS合作組第三版雙黑洞模擬目錄
  • 發布日期：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
  • 分類：gr-qc
  • 原文鏈接：http://arxiv.org/abs/2505.13378v1

中文摘要：我們發布了模擬極端時空（SXS）合作項目雙黑洞模擬目錄的重大更新。通過採用譜愛因斯坦代碼（SpEC）中實現的高效譜方法，我們將雙星構型總數從2,018組大幅擴充至3,756組。新版目錄密集覆蓋了質量比達q=8、無量綱自旋達|χ⃗|≤0.8且近零偏心率的進動模擬參數空間，同時包含部分更高質量比（含中等自旋）及超過250組偏心軌道的模擬。我們已棄用並重新運行了舊目錄中的部分模擬（如使用早期SpEC版本或波形誤差異常高的案例）。目錄中不同分辨率波形間的中位差異（與失配度相似）為4×10⁻⁴，模擬軌道數中位值為22圈，最長模擬達148圈。所有波形均已校正至雙星質心坐標系並呈現引力波記憶效應。估算目錄總CPU成本為4.8億核心小時，使用譜方法進行雙黑洞模擬的效率比精度相當的有限差分模擬高出1,000倍以上。完整目錄可通過sxs Python包及https://data.black-holes.org 公開獲取。

摘要

  • 原文標題：A flexible approach for fat-water separation with bipolar readouts and correction of gradient-induced phase and amplitude effects
  • 中文標題：採用雙極讀出和梯度誘導相位/振幅效應校正的靈活脂肪-水分離方法
  • 發布日期：2025-05-19 11:59:44+00:00
  • 作者：Jorge Campos Pazmino, Renée-Claude Bider, Véronique Fortier, Ives R. Levesque
  • 分類：physics.med-ph
  • 原文鏈接：http://arxiv.org/abs/2505.13015v1

中文摘要：目的：開發一種脂肪-水分離方法，無需額外掃描即可校正雙極性讀出梯度引起的效應，且兼容任何脂肪-水分離技術。理論與方法：該方法通過聯合處理雙極性多回波梯度回波序列的奇偶回波數據，結合逆問題求解相位和振幅校正的最小二乘估計，以消除雙極性梯度效應。通過克拉美-羅界理論（CRB）計算信號平均次數（NSA）優化序列參數選擇，並採用圖割優化進行方法驗證，同時通過蒙特卡洛模擬（MC）評估準確性。在體模和活體實驗中測試了該方法，通過質子密度脂肪分數圖（PDFF）量化性能。結果：NSA計算表明短TE1和ΔTE=1.5 ms是脂肪-水分離的最優參數。MC模擬顯示脂肪/水複合信號、ψ和R_2^*的估計誤差均值低於1%。體模和活體實驗證實該方法有效消除了雙極性讀出梯度的影響，提升了脂肪-水分離效果。結論：所提方法能校正雙極性讀出梯度對脂肪-水分離的有害效應，可將現有單極性梯度數據設計的脂肪-水分離技術擴展至雙極性梯度數據。

摘要

  • 原文標題：RSS-Based Localization: Ensuring Consistency and Asymptotic Efficiency
  • 中文標題：基於RSS的定位：確保一致性與漸近有效性
  • 發布日期：2025-05-19 13:04:51+00:00
  • 作者：Shenghua Hu, Guangyang Zeng, Wenchao Xue, Haitao Fang, Junfeng Wu, Biqiang Mu
  • 分類：eess.SY, cs.SY
  • 原文鏈接：http://arxiv.org/abs/2505.13070v1

中文摘要：摘要：我們研究了基於接收信號強度測量的信號源定位問題。首先提出可驗證的傳感器部署幾何條件，確保模型的漸近可定位性。隨後證明最大似然（ML）估計量具有一致性和漸近有效性。然而，由於ML估計量需要求解非凸優化問題，其計算具有挑戰性。為此，我們提出一種兩階段估計器：在保持與ML估計量相同漸近性質的同時，計算複雜度僅為測量次數的線性量級。關鍵難點在於第一階段獲得一致性估計量——我們通過對非線性測量模型進行代數變換，構建兩個線性最小二乘估計問題（具有閉式解）；第二階段以第一階段的一致性估計量為初值執行單次高斯-牛頓迭代，即可達到與ML估計量相同的漸近有效性。仿真結果驗證了所提兩階段估計器的理論性質與實際效能。

摘要

  • 原文標題：Asymptotic analysis for a class of planar orthogonal polynomials on the unit disc
  • 中文標題：單位圓盤上一類平面正交多項式的漸近分析
  • 發布日期：2025-05-19 02:39:17+00:00
  • 作者：Alfredo Deaño, Ken McLaughlin, Leslie Molag, Nick Simm
  • 分類：math-ph, math.CA, math.CV, math.MP, math.PR, 33C45, 33E17, 60B20, 41A60
  • 原文鏈接：http://arxiv.org/abs/2505.12633v1

中文摘要：我們對一類n次正交多項式$p_{n}(z)$進行$n \to \infty$時的漸近分析，這些多項式定義於平面測度\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$d^{2}z$是二維面積測度，$\alpha$是隨n增長的參數，而$\gamma>-2$和$x>0$為固定值。該測度在非厄米系綜特徵多項式研究中自然出現，並推廣了多位學者近期研究的高斯權函數實例。我們獲得了複平面所有區域的漸近結果，並通過恰當的微分恆等式，得到了配分函數的漸近展開。主要方法是將平面正交性轉化為複平面上適當輪廓線的正交性，隨後運用Deift-Zhou最速下降法對關聯的Riemann-Hilbert問題進行漸近分析。

摘要

  • 原文標題：Robin: A multi-agent system for automating scientific discovery
  • 中文標題：羅賓：用於自動化科學發現的多智能體系統
  • 發布日期：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
  • 分類：cs.AI, cs.MA, q-bio.QM
  • 原文鏈接：http://arxiv.org/abs/2505.13400v1

中文摘要：科學發現是由背景研究、假設生成、實驗驗證和數據分析的迭代過程驅動的。儘管人工智能在科學發現中的應用取得了最新進展，但尚未有系統能在單一工作流中實現所有這些階段的自動化。本文介紹Robin——首個能夠完全自動化科學過程關鍵智力步驟的多智能體系統。通過整合文獻檢索智能體與數據分析智能體，Robin能生成假設、提出實驗方案、解釋實驗結果並生成更新假設，實現了科學發現的半自主化方法。應用該系統，我們成功識別出治療乾性年齡相關性黃斑變性（dAMD，發達國家致盲主因）的新療法。Robin提出增強視網膜色素上皮細胞吞噬作用作為治療策略，並鑑定驗證了有前景的候選藥物利帕舒地爾（ripasudil）。該臨床使用的Rho激酶（ROCK）抑制劑此前從未被提議用於dAMD治療。為闡明利帕舒地爾上調吞噬作用的機制，Robin進一步提出並分析了RNA-seq追蹤實驗，發現ABCA1（關鍵脂質外排泵及潛在新靶點）的上調。本報告正文中所有假設、實驗計劃、數據分析和圖表均由Robin生成。作為首個在"實驗室在環"迭代框架中自主發現並驗證新治療候選物的AI系統，Robin為AI驅動的科學發現建立了新範式。

摘要

  • 原文標題：A flexible approach for fat-water separation with bipolar readouts and correction of gradient-induced phase and amplitude effects
  • 中文標題：雙極讀出梯度下脂肪-水分離的靈活方法及梯度誘導相位與幅度效應的校正
  • 發布日期：2025-05-19 11:59:44+00:00
  • 作者：Jorge Campos Pazmino, Renée-Claude Bider, Véronique Fortier, Ives R. Levesque
  • 分類：physics.med-ph
  • 原文鏈接：http://arxiv.org/abs/2505.13015v1

中文摘要：目的：開發一種脂肪-水分離方法，無需額外掃描即可校正雙極讀出梯度誘導效應，且兼容任何脂肪-水分離技術。理論與方法：該方法將雙極多回波梯度回波序列的奇偶回波聯合脂肪-水分離，與求解相位和振幅校正最小二乘估計的反問題相結合，以消除雙極誘導效應。通過克拉美-羅界理論計算信號平均次數優化序列參數選擇，並採用圖割優化進行應用驗證，通過蒙特卡洛模擬進一步表徵準確性。在體模和活體實驗中測試該方法，通過質子密度脂肪分數圖評估性能。結果：信號平均次數計算表明短TE1和1.5 ms回波間隔為脂肪-水分離的最優選擇。蒙特卡洛模擬顯示脂肪/水複合信號、ψ和R2*的估計誤差均值低於1%。體模和活體實驗證實該方法有效消除了雙極讀出梯度的影響，改善了分離效果。結論：所提方法能校正雙極讀出梯度對脂肪-水分離的有害影響，可將現有單極讀出梯度數據的脂肪-水分離技術擴展應用於雙極讀出梯度數據。

摘要

  • 原文標題：Robin: A multi-agent system for automating scientific discovery
  • 中文標題：羅賓：用於自動化科學發現的多智能體系統
  • 發布日期：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
  • 分類：cs.AI, cs.MA, q-bio.QM
  • 原文鏈接：http://arxiv.org/abs/2505.13400v1

中文摘要：科學發現是由背景研究、假設生成、實驗驗證和數據分析的迭代過程驅動的。儘管人工智能在科學發現中的應用取得了最新進展，但尚未有系統能在單一工作流中實現所有這些階段的自動化。在此，我們推出首個能完全自動化科學過程關鍵智力步驟的多智能體系統Robin。通過將文獻檢索智能體與數據分析智能體相結合，Robin能夠生成假設、提出實驗方案、解釋實驗結果並生成更新假設，實現了科學發現的半自主化方法。應用該系統，我們成功識別出治療乾性年齡相關性黃斑變性（dAMD，發達國家致盲主因）的新型療法。Robin提出增強視網膜色素上皮細胞吞噬作用作為治療策略，並鑑定驗證了有前景的候選藥物利帕舒地爾——一種臨床使用的Rho激酶（ROCK）抑制劑，此前從未被提議用於dAMD治療。為闡明利帕舒地爾上調吞噬作用的機制，Robin進一步提出並分析了RNA-seq後續實驗，發現ABCA1（關鍵脂質外排泵及潛在新靶點）的上調。本報告正文中所有假設、實驗計劃、數據分析和數據圖表均由Robin生成。作為首個在"實驗室在環"迭代框架中自主發現並驗證新型治療候選物的AI系統，Robin為AI驅動的科學發現建立了新範式。

摘要

  • 原文標題：A flexible approach for fat-water separation with bipolar readouts and correction of gradient-induced phase and amplitude effects
  • 中文標題：採用雙極讀出和梯度誘導相位/振幅效應校正的靈活脂肪-水分離方法
  • 發布日期：2025-05-19 11:59:44+00:00
  • 作者：Jorge Campos Pazmino, Renée-Claude Bider, Véronique Fortier, Ives R. Levesque
  • 分類：physics.med-ph
  • 原文鏈接：http://arxiv.org/abs/2505.13015v1

中文摘要：目的：開發一種脂肪-水分離方法，無需額外掃描即可校正雙極讀出梯度誘導效應，且兼容任何脂肪-水分離技術。理論與方法：該方法通過聯合處理雙極多回波梯度回波採樣的奇偶回波，結合逆問題求解相位和振幅校正的最小二乘估計，以消除雙極誘導效應。基於克拉美-羅界理論（CRB）計算信號平均次數（NSA）優化序列參數選擇，並通過圖割優化和蒙特卡洛模擬（MC）驗證準確性。在體模和活體實驗中測試該方法，採用質子密度脂肪分數圖（PDFF）量化性能。結果：NSA計算表明短TE1和ΔTE=1.5 ms是脂肪-水分離的最優參數。MC模擬顯示脂肪/水複合信號、ψ和R_2^*的估計誤差均值低於1%。體模和活體實驗證實該方法有效消除了雙極讀出梯度的影響，提升了分離效果。結論：所提方法能校正雙極讀出梯度對脂肪-水分離的有害影響，可將現有單極梯度脂肪-水分離技術的適用範圍擴展至雙極梯度採集數據。

摘要

  • 原文標題：Robin: A multi-agent system for automating scientific discovery
  • 中文標題：羅賓：用於自動化科學發現的多智能體系統
  • 發布日期：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
  • 分類：cs.AI, cs.MA, q-bio.QM
  • 原文鏈接：http://arxiv.org/abs/2505.13400v1

中文摘要：科學發現是由背景研究、假設生成、實驗驗證和數據分析的迭代過程驅動的。儘管人工智能在科學發現中的應用取得了最新進展，但尚未有系統能在單一工作流中實現所有這些階段的自動化。本文介紹Robin——首個能夠完全自動化科學過程關鍵智力步驟的多智能體系統。通過將文獻搜索智能體與數據分析智能體相整合，Robin能夠生成假設、提出實驗方案、解釋實驗結果並生成更新假設，實現了科學發現的半自主化方法。應用該系統，我們成功識別出治療乾性年齡相關性黃斑變性（dAMD，發達國家致盲主因）的新療法。Robin提出增強視網膜色素上皮細胞吞噬作用作為治療策略，並鑑定驗證了有前景的候選藥物利帕舒地爾（ripasudil）。該藥物是臨床使用的Rho激酶（ROCK抑制劑），此前從未被提出用於dAMD治療。為闡明利帕舒地爾上調吞噬作用的機制，Robin進一步提出並分析了RNA-seq後續實驗，發現ABCA1（關鍵脂質外排泵及潛在新靶點）的上調。本報告正文中所有假設、實驗計劃、數據分析和圖表均由Robin生成。作為首個在"實驗室在環"迭代框架中自主發現並驗證新治療候選物的AI系統，Robin為AI驅動的科學發現建立了新範式。

摘要

  • 原文標題：A flexible approach for fat-water separation with bipolar readouts and correction of gradient-induced phase and amplitude effects
  • 中文標題：採用雙極讀出並校正梯度誘導相位和幅度效應的靈活脂肪-水分離方法
  • 發布日期：2025-05-19 11:59:44+00:00
  • 作者：Jorge Campos Pazmino, Renée-Claude Bider, Véronique Fortier, Ives R. Levesque
  • 分類：physics.med-ph
  • 原文鏈接：http://arxiv.org/abs/2505.13015v1

中文摘要：目的：開發一種脂肪-水分離方法，無需額外掃描即可校正雙極讀出梯度誘導效應，且兼容任何脂肪-水分離技術。理論與方法：該方法將雙極多回波梯度回波序列的奇偶回波聯合脂肪-水分離與求解相位/振幅校正最小二乘估計的反問題相結合，以消除雙極誘導效應。通過克拉美-羅界理論（CRB）計算信號平均次數（NSA）優化序列參數選擇，並採用圖割優化進行方法驗證，通過蒙特卡洛模擬（MC）進一步評估準確性。在體模和活體實驗中測試該方法，通過質子密度脂肪分數圖（PDFF）量化性能。結果：NSA計算表明短TE1和ΔTE=1.5 ms是脂肪-水分離的最優參數。MC模擬顯示脂肪/水複合信號、ψ和R_2^*的估計平均相對誤差小於1%。體模和活體實驗證實該方法有效消除了雙極讀出梯度的影響，改善了分離效果。結論：所提方法能校正雙極讀出梯度對脂肪-水分離的有害影響，可將現有單極讀出梯度數據的脂肪-水分離技術擴展至雙極讀出梯度數據。

摘要

  • 原文標題：Robin: A multi-agent system for automating scientific discovery
  • 中文標題：羅賓：用於自動化科學發現的多智能體系統
  • 發布日期：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
  • 分類：cs.AI, cs.MA, q-bio.QM
  • 原文鏈接：http://arxiv.org/abs/2505.13400v1

中文摘要：科學發現是由背景研究、假設生成、實驗驗證和數據分析的迭代過程驅動的。儘管人工智能在科學發現中的應用取得了最新進展，但尚未有系統能在單一工作流中實現所有這些階段的自動化。在此，我們介紹首個能夠完全自動化科學過程關鍵智力步驟的多智能體系統Robin。通過將文獻檢索智能體與數據分析智能體相結合，Robin能夠生成假設、提出實驗方案、解釋實驗結果並生成更新假設，實現了科學發現的半自主方法。應用該系統，我們成功識別出治療乾性年齡相關性黃斑變性（dAMD，發達國家致盲主因）的新療法。Robin提出增強視網膜色素上皮細胞吞噬作用作為治療策略，並鑑定驗證了有前景的候選藥物利帕舒地爾——一種臨床使用的Rho激酶（ROCK）抑制劑，此前從未被提出用於治療dAMD。為闡明利帕舒地爾上調吞噬作用的機制，Robin隨後提出並分析了RNA-seq後續實驗，發現ABCA1（關鍵脂質外排泵及潛在新靶點）的上調。本報告正文中所有假設、實驗計劃、數據分析和圖表均由Robin生成。作為首個在"實驗室在環"迭代框架中自主發現並驗證新治療候選物的AI系統，Robin為AI驅動的科學發現建立了新範式。

摘要

  • 原文標題：Robin: A multi-agent system for automating scientific discovery
  • 中文標題：羅賓：用於自動化科學發現的多智能體系統
  • 發布日期：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
  • 分類：cs.AI, cs.MA, q-bio.QM
  • 原文鏈接：http://arxiv.org/abs/2505.13400v1

中文摘要：科學發現是由背景研究、假設生成、實驗驗證和數據分析的迭代過程驅動的。儘管人工智能在科學發現中的應用取得了最新進展，但尚未有系統能在單一工作流中實現所有這些階段的自動化。在此，我們介紹首個能夠完全自動化科學過程關鍵智力步驟的多智能體系統Robin。通過將文獻檢索智能體與數據分析智能體相結合，Robin能夠生成假設、提出實驗方案、解釋實驗結果並生成更新假設，實現了科學發現的半自主化方法。應用該系統，我們成功識別出治療乾性年齡相關性黃斑變性（dAMD，發達國家致盲主因）的新型療法。Robin提出增強視網膜色素上皮細胞吞噬作用作為治療策略，並鑑定驗證了有前景的候選藥物利帕舒地爾——一種臨床使用的Rho激酶（ROCK抑制劑），此前從未被提議用於治療dAMD。為闡明利帕舒地爾上調吞噬作用的機制，Robin進一步提出並分析了RNA-seq後續實驗，發現ABCA1（關鍵脂質外排泵及潛在新靶點）的上調。本報告正文中所有假設、實驗方案、數據分析和圖表均由Robin生成。作為首個在"實驗室在環"迭代框架中自主發現並驗證新型治療候選物的AI系統，Robin為AI驅動的科學發現建立了新範式。

摘要

  • 原文標題：Robin: A multi-agent system for automating scientific discovery
  • 中文標題：羅賓：用於自動化科學發現的多智能體系統
  • 發布日期：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
  • 分類：cs.AI, cs.MA, q-bio.QM
  • 原文鏈接：http://arxiv.org/abs/2505.13400v1

中文摘要：科學發現是由背景研究、假設生成、實驗驗證和數據分析的迭代過程驅動的。儘管人工智能在科學發現中的應用取得了最新進展，但尚未有系統能在單一工作流中實現所有這些階段的自動化。在此，我們介紹首個能夠完全自動化科學過程關鍵智力步驟的多智能體系統Robin。通過將文獻檢索智能體與數據分析智能體相結合，Robin能夠生成假設、提出實驗方案、解釋實驗結果並更新假設，實現了科學發現的半自主化方法。應用該系統後，我們成功識別出治療乾性年齡相關性黃斑變性（dAMD）的新療法——該疾病是發達國家致盲的主要原因。Robin提出增強視網膜色素上皮細胞吞噬作用作為治療策略，並鑑定驗證了有前景的候選藥物利帕舒地爾。利帕舒地爾是臨床使用的Rho激酶（ROCK）抑制劑，此前從未被提出用於治療dAMD。為闡明利帕舒地爾上調吞噬作用的機制，Robin進一步提出並分析了RNA-seq後續實驗，揭示了關鍵脂質外排泵ABCA1的上調——該靶點可能成為新型治療靶標。本報告正文中所有假設、實驗方案、數據分析和圖表均由Robin生成。作為首個在"實驗室在環"迭代框架中自主發現並驗證新治療候選物的AI系統，Robin為AI驅動的科學發現建立了新範式。

摘要

  • 原文標題：Robin: A multi-agent system for automating scientific discovery
  • 中文標題：羅賓：用於自動化科學發現的多智能體系統
  • 發布日期：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
  • 分類：cs.AI, cs.MA, q-bio.QM
  • 原文鏈接：http://arxiv.org/abs/2505.13400v1

中文摘要：科學發現是由背景研究、假設生成、實驗設計和數據分析的迭代過程驅動的。儘管人工智能在科學發現中的應用取得了最新進展，但尚未有系統能在單一工作流中實現所有這些階段的自動化。本文介紹Robin——首個能夠完全自動化科學過程關鍵智力步驟的多智能體系統。通過將文獻檢索智能體與數據分析智能體相結合，Robin能生成假設、提出實驗方案、解釋實驗結果並生成更新假設，實現了科學發現的半自主化方法。應用該系統，我們成功識別出治療乾性年齡相關性黃斑變性（dAMD，發達國家致盲主因）的新療法。Robin提出增強視網膜色素上皮細胞吞噬作用作為治療策略，並鑑定驗證了有前景的候選藥物利帕舒地爾（ripasudil）。該臨床使用的Rho激酶（ROCK抑制劑）此前從未被提出用於dAMD治療。為闡明利帕舒地爾上調吞噬作用的機制，Robin進一步提出並分析了RNA-seq追蹤實驗，發現ABCA1（關鍵脂質外排泵及潛在新靶點）的上調。本報告正文中所有假設、實驗方案、數據分析和圖表均由Robin生成。作為首個在"實驗室在環"迭代框架中自主發現並驗證新治療候選物的AI系統，Robin為AI驅動的科學發現建立了新範式。

摘要

  • 原文標題：Robin: A multi-agent system for automating scientific discovery
  • 中文標題：羅賓：用於自動化科學發現的多智能體系統
  • 發布日期：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
  • 分類：cs.AI, cs.MA, q-bio.QM
  • 原文鏈接：http://arxiv.org/abs/2505.13400v1

中文摘要：科學發現是由背景研究、假設生成、實驗設計和數據分析的迭代過程驅動的。儘管人工智能在科學發現中的應用取得了最新進展，但尚未有系統能在單一工作流中實現所有這些階段的自動化。在此，我們推出首個能完全自動化科學過程關鍵智力步驟的多智能體系統Robin。通過將文獻檢索智能體與數據分析智能體相整合，Robin能夠生成假設、提出實驗方案、解釋實驗結果並生成更新假設，實現了科學發現的半自主化方法。應用該系統後，我們成功識別出治療乾性年齡相關性黃斑變性（dAMD，發達國家主要致盲病因）的新型療法。Robin提出增強視網膜色素上皮細胞吞噬作用作為治療策略，並鑑定驗證了極具前景的候選藥物利帕舒地爾——一種臨床使用的Rho激酶（ROCK）抑制劑，此前從未被提出用於dAMD治療。為闡明利帕舒地爾上調吞噬作用的機制，Robin隨後設計並分析了RNA-seq追蹤實驗，發現ABCA1（關鍵脂質外排泵及潛在新靶點）的上調。本報告正文中所有假設、實驗方案、數據分析和數據圖表均由Robin生成。作為首個在"實驗室在環"迭代框架中自主發現並驗證新型治療候選物的AI系統，Robin為AI驅動的科學發現建立了新範式。

摘要

  • 原文標題：Robin: A multi-agent system for automating scientific discovery
  • 中文標題：羅賓：用於自動化科學發現的多智能體系統
  • 發布日期：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
  • 分類：cs.AI, cs.MA, q-bio.QM
  • 原文鏈接：http://arxiv.org/abs/2505.13400v1

中文摘要：科學發現是由背景研究、假設生成、實驗和數據分析的迭代過程驅動的。儘管人工智能在科學發現中的應用取得了最新進展，但尚未有系統能在單一工作流中實現所有這些階段的自動化。在此，我們介紹Robin——首個能夠完全自動化科學過程關鍵智力步驟的多智能體系統。通過將文獻搜索智能體與數據分析智能體相結合，Robin能夠生成假設、提出實驗方案、解釋實驗結果並生成更新後的假設，實現了科學發現的半自主方法。應用該系統後，我們成功識別出一種治療乾性年齡相關性黃斑變性（dAMD）的新方法，該疾病是發達國家致盲的主要原因。Robin提出增強視網膜色素上皮細胞的吞噬作用作為治療策略，並鑑定驗證了有前景的候選藥物利帕舒地爾。利帕舒地爾是一種臨床使用的Rho激酶（ROCK）抑制劑，此前從未被提出用於治療dAMD。為闡明利帕舒地爾上調吞噬作用的機制，Robin隨後提出並分析了RNA-seq後續實驗，揭示了ABCA1（一種關鍵脂質外排泵及潛在新靶點）的上調。本報告正文中的所有假設、實驗計劃、數據分析和數據圖表均由Robin生成。作為首個在"實驗室在環"迭代框架中自主發現並驗證新型治療候選物的AI系統，Robin為AI驅動的科學發現建立了新範式。

摘要

  • 原文標題：Robin: A multi-agent system for automating scientific discovery
  • 中文標題：羅賓：用於自動化科學發現的多智能體系統
  • 發布日期：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
  • 分類：cs.AI, cs.MA, q-bio.QM
  • 原文鏈接：http://arxiv.org/abs/2505.13400v1

中文摘要：科學發現是由背景研究、假設生成、實驗驗證和數據分析的迭代過程驅動的。儘管人工智能在科學發現中的應用取得了最新進展，但尚未有系統能在單一工作流中實現所有這些階段的自動化。在此，我們推出Robin——首個能夠完全自動化科學過程關鍵智力步驟的多智能體系統。通過將文獻搜索智能體與數據分析智能體相整合，Robin能夠生成假設、提出實驗方案、解釋實驗結果並生成更新假設，實現了科學發現的半自主化方法。應用該系統後，我們成功識別出治療乾性年齡相關性黃斑變性（dAMD，發達國家致盲主因）的新型療法。Robin提出增強視網膜色素上皮細胞吞噬作用作為治療策略，並發現並驗證了極具前景的候選藥物利帕舒地爾。該藥物是臨床使用的Rho激酶（ROCK）抑制劑，此前從未被提出用於治療dAMD。為闡明利帕舒地爾上調吞噬作用的機制，Robin隨後提出並分析了RNA-seq跟蹤實驗，揭示了關鍵脂質外排泵ABCA1的上調——這可能是新型治療靶點。本報告正文中所有假設、實驗計劃、數據分析和數據圖表均由Robin生成。作為首個在"實驗室在環"迭代框架中自主發現並驗證新型治療候選物的AI系統，Robin為AI驅動的科學發現建立了新範式。

摘要

  • 原文標題：Robin: A multi-agent system for automating scientific discovery
  • 中文標題：羅賓：用於自動化科學發現的多智能體系統
  • 發布日期：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
  • 分類：cs.AI, cs.MA, q-bio.QM
  • 原文鏈接：http://arxiv.org/abs/2505.13400v1

中文摘要：科學發現是由背景研究、假設生成、實驗驗證和數據分析的迭代過程驅動的。儘管人工智能在科學發現中的應用取得了最新進展，但尚未有系統能在單一工作流中實現所有這些階段的自動化。在此，我們介紹首個能夠完全自動化科學過程關鍵智力步驟的多智能體系統Robin。通過將文獻檢索智能體與數據分析智能體相結合，Robin能夠生成假設、提出實驗方案、解釋實驗結果並生成更新後的假設，實現了科學發現的半自主化方法。應用該系統後，我們成功識別出治療乾性年齡相關性黃斑變性（dAMD，發達國家致盲主因）的新型療法。Robin提出增強視網膜色素上皮細胞吞噬作用作為治療策略，並鑑定驗證了有前景的候選藥物利帕舒地爾——一種臨床使用的Rho激酶（ROCK）抑制劑，此前從未被提出用於治療dAMD。為闡明利帕舒地爾上調吞噬作用的機制，Robin隨後提出並分析了RNA-seq後續實驗，發現ABCA1（關鍵脂質外排泵及潛在新靶點）的上調。本報告正文中所有假設、實驗方案、數據分析和數據圖表均由Robin生成。作為首個在"實驗室在環"迭代框架中自主發現並驗證新型治療候選物的AI系統，Robin為AI驅動的科學發現建立了新範式。

摘要

  • 原文標題：Robin: A multi-agent system for automating scientific discovery
  • 中文標題：羅賓：用於自動化科學發現的多智能體系統
  • 發布日期：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
  • 分類：cs.AI, cs.MA, q-bio.QM
  • 原文鏈接：http://arxiv.org/abs/2505.13400v1

中文摘要：科學發現是由背景研究、假設生成、實驗驗證和數據分析的迭代過程驅動的。儘管人工智能在科學發現中的應用取得了最新進展，但尚未有系統能在單一工作流中實現所有這些階段的自動化。在此，我們介紹首個能完全自動化科學過程關鍵智力步驟的多智能體系統Robin。通過將文獻檢索智能體與數據分析智能體相整合，Robin能夠生成假設、提出實驗方案、解釋實驗結果並生成更新假設，實現了科學發現的半自主化方法。應用該系統，我們成功識別出治療乾性年齡相關性黃斑變性（dAMD，發達國家致盲主因）的新型療法。Robin提出增強視網膜色素上皮細胞吞噬作用作為治療策略，並鑑定驗證了有前景的候選藥物利帕舒地爾——一種臨床使用的Rho激酶（ROCK）抑制劑，此前從未被提出用於dAMD治療。為闡明利帕舒地爾上調吞噬作用的機制，Robin進一步提出並分析了RNA-seq後續實驗，發現ABCA1（關鍵脂質外排泵及潛在新靶點）的上調。本報告正文中所有假設、實驗計劃、數據分析和圖表均由Robin生成。作為首個在"實驗室在環"迭代框架中自主發現並驗證新型治療候選物的AI系統，Robin為AI驅動的科學發現建立了新範式。

摘要

  • 原文標題：Robin: A multi-agent system for automating scientific discovery
  • 中文標題：羅賓：用於自動化科學發現的多智能體系統
  • 發布日期：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
  • 分類：cs.AI, cs.MA, q-bio.QM
  • 原文鏈接：http://arxiv.org/abs/2505.13400v1

中文摘要：科學發現是由背景研究、假設生成、實驗驗證和數據分析的迭代過程驅動的。儘管人工智能在科學發現中的應用取得了最新進展，但尚未有系統能在單一工作流中實現所有這些階段的自動化。在此，我們推出首個能完全自動化科學過程關鍵智力步驟的多智能體系統Robin。通過整合文獻檢索智能體與數據分析智能體，Robin能夠生成假設、提出實驗方案、解釋實驗結果並生成更新假設，實現了科學發現的半自主化方法。應用該系統，我們成功識別出治療乾性年齡相關性黃斑變性（dAMD，發達國家主要致盲病因）的新型療法。Robin提出增強視網膜色素上皮細胞吞噬作用作為治療策略，並鑑定驗證了有前景的候選藥物利帕舒地爾——一種臨床使用的Rho激酶（ROCK）抑制劑，此前從未被提出用於治療dAMD。為闡明利帕舒地爾上調吞噬作用的機制，Robin隨後提出並分析了RNA-seq跟蹤實驗，發現ABCA1（關鍵脂質外排泵及潛在新靶點）的上調。本報告正文中所有假設、實驗計劃、數據分析和數據圖表均由Robin生成。作為首個在"實驗室在環"迭代框架中自主發現並驗證新型治療候選物的AI系統，Robin為AI驅動的科學發現建立了新範式。

摘要

  • 原文標題：Robin: A multi-agent system for automating scientific discovery
  • 中文標題：羅賓：用於自動化科學發現的多智能體系統
  • 發布日期：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
  • 分類：cs.AI, cs.MA, q-bio.QM
  • 原文鏈接：http://arxiv.org/abs/2505.13400v1

中文摘要：科學發現是由背景研究、假設生成、實驗驗證和數據分析的迭代過程驅動的。儘管人工智能在科學發現中的應用取得了最新進展，但尚未有系統能在單一工作流中實現所有這些階段的自動化。在此，我們推出首個能完全自動化科學過程關鍵智力步驟的多智能體系統Robin。通過將文獻檢索智能體與數據分析智能體相結合，Robin能夠生成假設、提出實驗方案、解釋實驗結果並生成更新假設，實現了科學發現的半自主化方法。應用該系統，我們成功識別出治療乾性年齡相關性黃斑變性（dAMD，發達國家致盲主因）的新療法。Robin提出增強視網膜色素上皮細胞吞噬作用作為治療策略，並鑑定驗證了有前景的候選藥物利帕舒地爾——一種臨床使用的Rho激酶（ROCK）抑制劑，此前從未被提出用於治療dAMD。為闡明利帕舒地爾上調吞噬作用的機制，Robin進一步提出並分析了RNA-seq後續實驗，發現ABCA1（關鍵脂質外排泵及潛在新靶點）的上調。本報告正文中所有假設、實驗計劃、數據分析和數據圖表均由Robin生成。作為首個在"實驗室在環"迭代框架中自主發現並驗證新治療候選物的AI系統，Robin為AI驅動的科學發現建立了新範式。

摘要

  • 原文標題：Robin: A multi-agent system for automating scientific discovery
  • 中文標題：羅賓：用於自動化科學發現的多智能體系統
  • 發布日期：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
  • 分類：cs.AI, cs.MA, q-bio.QM
  • 原文鏈接：http://arxiv.org/abs/2505.13400v1

中文摘要：科學發現是由背景研究、假設生成、實驗驗證和數據分析的迭代過程驅動的。儘管人工智能在科學發現中的應用取得了最新進展，但尚未有系統能在單一工作流中實現所有這些階段的自動化。本文介紹Robin——首個能夠完全自動化科學過程關鍵智力步驟的多智能體系統。通過整合文獻檢索智能體與數據分析智能體，Robin能生成假設、設計實驗、解釋實驗結果並更新假設，實現了科學發現的半自主化方法。應用該系統後，我們成功識別出治療乾性年齡相關性黃斑變性（dAMD，發達國家致盲主因）的新療法。Robin提出增強視網膜色素上皮細胞吞噬作用作為治療策略，並鑑定驗證了有前景的候選藥物利帕舒地爾（ripasudil）。該臨床使用的Rho激酶（ROCK）抑制劑此前從未被提議用於dAMD治療。為闡明利帕舒地爾上調吞噬作用的機制，Robin進一步設計並分析了RNA-seq實驗，發現ABCA1（關鍵脂質外排泵及潛在新靶點）的上調。本報告正文中所有假設、實驗方案、數據分析和圖表均由Robin生成。作為首個在"實驗室在環"迭代框架中自主發現並驗證新治療候選物的AI系統，Robin為AI驅動的科學發現建立了新範式。

摘要

  • 原文標題：Robin: A multi-agent system for automating scientific discovery
  • 中文標題：羅賓：用於自動化科學發現的多智能體系統
  • 發布日期：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
  • 分類：cs.AI, cs.MA, q-bio.QM
  • 原文鏈接：http://arxiv.org/abs/2505.13400v1

中文摘要：科學發現是由背景研究、假設生成、實驗驗證和數據分析的迭代過程驅動的。儘管人工智能在科學發現中的應用取得了最新進展，但尚未有系統能在單一工作流中實現所有這些階段的自動化。本文介紹首個能完全自動化科學過程關鍵智力步驟的多智能體系統Robin。通過將文獻檢索智能體與數據分析智能體相結合，Robin能夠生成假設、提出實驗方案、解釋實驗結果並更新假設，實現了科學發現的半自主化方法。應用該系統，我們成功識別出治療乾性年齡相關性黃斑變性（dAMD，發達國家主要致盲病因）的新療法。Robin提出增強視網膜色素上皮細胞吞噬作用作為治療策略，並鑑定驗證了有前景的候選藥物利帕舒地爾——一種臨床使用的Rho激酶（ROCK抑制劑），此前從未被提出用於治療dAMD。為闡明利帕舒地爾上調吞噬作用的機制，Robin進一步提出並分析了RNA-seq後續實驗，發現ABCA1（關鍵脂質外排泵及潛在新靶點）的上調。本報告正文中所有假設、實驗方案、數據分析和圖表均由Robin生成。作為首個在"實驗室在環"迭代框架中自主發現並驗證新治療候選物的AI系統，Robin為AI驅動的科學發現建立了新範式。

摘要

  • 原文標題：Robin: A multi-agent system for automating scientific discovery
  • 中文標題：羅賓：用於自動化科學發現的多智能體系統
  • 發布日期：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
  • 分類：cs.AI, cs.MA, q-bio.QM
  • 原文鏈接：http://arxiv.org/abs/2505.13400v1

中文摘要：科學發現是由背景研究、假設生成、實驗驗證和數據分析的迭代過程驅動的。儘管人工智能在科學發現中的應用取得了最新進展，但尚未有系統能在單一工作流中實現所有這些階段的自動化。在此，我們推出首個能完全自動化科學過程關鍵智力步驟的多智能體系統Robin。通過將文獻搜索智能體與數據分析智能體相整合，Robin能夠生成假設、提出實驗方案、解釋實驗結果並生成更新假設，實現了科學發現的半自主化方法。應用該系統，我們成功識別出治療乾性年齡相關性黃斑變性（dAMD，發達國家主要致盲病因）的新型療法。Robin提出增強視網膜色素上皮細胞吞噬作用作為治療策略，並鑑定驗證了有前景的候選藥物利帕舒地爾——一種臨床使用的Rho激酶（ROCK抑制劑），此前從未被提出用於治療dAMD。為闡明利帕舒地爾上調吞噬作用的機制，Robin隨後提出並分析了RNA-seq後續實驗，發現ABCA1（關鍵脂質外排泵及潛在新靶點）的上調。本報告正文中所有假設、實驗方案、數據分析和數據圖表均由Robin生成。作為首個在"實驗室閉環"迭代框架中自主發現並驗證新型治療候選物的AI系統，Robin為AI驅動的科學發現建立了新範式。

取自「http://zh.wikiedge.org/index.php?title=WikiEdge:ArXiv速递/2025-05-19&oldid=10559」