AgenticScience/Awesome-Agent-Scientists

解決する課題

科学的発見は、人間がAIをツールとして使うことから、AIエージェントが自律的に仮説を立て、実験を設計し、理論を洗練させることへと移行しています。しかし、以前の研究は断片的で、ワークフロー、自律性、アーキテクチャなどの個別の側面に焦点を当てており、自然科学を軽視することがよくあります。このプロジェクトは、統一されたフレームワークと、エージェント科学の最初のドメイン指向レビューを提供することで、そのギャップを埋めます。

仕組み

このリポジトリはIntern Discoveryプロジェクトの一部であり、包括的な調査を構造化された論文とリソースのリストとして整理しています。科学エージェントの5つの中核能力（推論と計画、ツール使用、記憶、マルチエージェントコラボレーション、最適化/進化）を特定するフレームワークを導入します。また、4段階の動的ワークフローを定義します：観察と仮説生成、実験計画と実行、データ解釈と分析、統合と反復的洗練。コンテンツは、完全に自律的な研究パイプラインと、生命科学、化学、材料科学、物理学にわたる体系的なレビュー（それぞれサブカテゴリ付き）に分かれています。

対象読者

科学的発見のためのAIエージェントの状況を理解し、関連するフレームワークを特定し、または自身の研究のインスピレーションを得たい研究者、AI/ML実践者、自然科学者向けです。また、学際分野の学生や教育者向けの参考資料としても役立ちます。

ハイライト

• 生命科学、化学、材料、物理学にわたる自律的科学的発見の最初のドメイン指向レビュー。
• 科学エージェントを5つの中核能力に分解：推論/計画、ツール使用、記憶、マルチエージェントコラボレーション、最適化/進化。
• 4段階の動的ワークフローモデル：観察/仮説、実験計画/実行、データ解釈、統合/洗練。
• 汎用パイプラインからドメイン固有エージェントまでの厳選された論文とプロジェクトのリスト。
• arXivの関連論文と公式ホームページを含み、引用をサポート。