AgenticScience/Awesome-Agent-Scientists

해결하는 문제

과학적 발견은 인간이 AI를 도구로 사용하는 것에서 AI 에이전트가 자율적으로 가설을 세우고, 실험을 설계하고, 이론을 개선하는 방향으로 이동하고 있습니다. 그러나 이전 연구는 단편적이며 워크플로우, 자율성, 아키텍처와 같은 개별 측면에 초점을 맞추고 자연 과학을 종종 간과합니다. 이 프로젝트는 통합 프레임워크와 에이전트 과학에 대한 최초의 도메인 지향 리뷰를 제공하여 이러한 격차를 해소합니다.

작동 방식

이 저장소는 Intern Discovery 프로젝트의 일부로, 포괄적인 조사를 구조화된 논문 및 리소스 목록으로 구성합니다. 과학 에이전트의 다섯 가지 핵심 능력(추론 및 계획, 도구 사용, 메모리, 다중 에이전트 협업, 최적화/진화)을 식별하는 프레임워크를 도입합니다. 또한 4단계 동적 워크플로우를 정의합니다: 관찰 및 가설 생성, 실험 계획 및 실행, 데이터 해석 및 분석, 종합 및 반복적 개선. 콘텐츠는 완전 자율 연구 파이프라인과 생명 과학, 화학, 재료 과학, 물리학에 걸친 체계적 리뷰(각각 하위 범주 포함)로 나뉩니다.

대상 독자

과학 발견을 위한 AI 에이전트의 환경을 이해하고, 관련 프레임워크를 식별하거나, 자신의 작업에 영감을 얻고자 하는 연구자, AI/ML 실무자, 자연 과학자를 위한 것입니다. 또한 학제 간 분야의 학생과 교육자를 위한 참고 자료로도 사용됩니다.

주요 특징

• 생명 과학, 화학, 재료, 물리학을 아우르는 자율적 과학 발견에 대한 최초의 도메인 지향 리뷰.
• 과학 에이전트를 다섯 가지 핵심 능력으로 분석: 추론/계획, 도구 사용, 메모리, 다중 에이전트 협업, 최적화/진화.
• 4단계 동적 워크플로우 모델: 관찰/가설, 실험 계획/실행, 데이터 해석, 종합/개선.
• 일반 목적 파이프라인에서 도메인 특정 에이전트까지 선별된 논문 및 프로젝트 목록.
• arXiv의 동반 논문과 공식 홈페이지를 포함하며 인용을 지원합니다.