AI科学者に挑む：天文学研究におけるエージェント駆動アプローチ

概要: 本稿では、科学データ解析のためのパラメータ推論パイプラインを構築するための、エージェント駆動型アプローチを提案する。提案手法は、マルチエージェントシステムであるCmbagent（AIサイエンティストDenarioの解析システム）を活用し、専門エージェント同士が協力して研究アイデアを生成し、コードを作成・実行し、結果を評価し、そして全体のパイプラインを反復的に洗練させる。本アプローチをケーススタディとして、FAIR Universe Weak Lensing Uncertainty Challenge（時間制約のもとで、現実的な観測不確実性を伴う頑健な宇宙論パラメータ推論に焦点を当てたコンペ）に適用する。最初の完全自律的な探索は当初、専門家レベルの性能には到達しなかったが、人間の介入を統合することで、エージェント駆動型のワークフローがコンペで1位の結果を達成できたことを示す。これは、半自律的なエージェント型システムが、専門家の解法と競い得るだけでなく、場合によってはそれを上回り得ることを示している。本稿では、Cmbagentによる自律的および半自律的な探索の両方を含め、ワークフローを詳細に述べる。最終的な推論パイプラインは、パラメータ効率の高い畳み込みニューラルネットワーク、既知のパラメータグリッドに対する尤度キャリブレーション、および複数の正則化手法を利用する。得られた結果は、エージェント駆動型の研究ワークフローが、推論問題に対するパイプラインを迅速に探索し構築するためのスケーラブルな枠組みを提供しうることを示唆している。