概要： 大規模言語モデル（LLMs）は推論を模倣し、ツールを使用する能力があり、複雑な科学タスクを実行する自律エージェントに新たな機会を提供します。タンパク質設計は自然なテストベッドを提供します：機械学習（ML）手法は高い成果を挙げますが、主に標準的なアミノ酸と狭い目的に限定され、広範な設計パイプラインのための一般的なツールが欠けています。私たちはRosettaを操作するための構造化された環境と組み合わせたLLMエージェントであるAgent Rosettaを紹介します。Rosettaは物理ベースのヘテロポリマー設計ソフトウェアのリーディングで、非標準のビルディングブロックや幾何学をモデル化可能です。Agent Rosettaはユーザー定義の目的を達成するために設計を反復的に洗練させ、LLMの推論とRosettaの汎用性を組み合わせます。標準的なアミノ酸を用いた設計でAgent Rosettaを評価し、専門モデルや専門家のベースラインと一致させ、また非標準残基を用いた場合にはMLアプローチが失敗する場面で、同等の性能を達成します。重要なのは、プロンプトエンジニアリングだけではRosettaのアクションを生成できないことが多く、環境設計がLLMエージェントと専門ソフトウェアを統合するために不可欠であることを示しています。我々の結果は、適切に設計された環境がLLMエージェントに科学ソフトウェアを利用可能にし、専門ツールや人間の専門家と同等の能力を持たせることを示しています。
返却形式: {"translated": "翻訳されたHTML"}
