مسح جديد: عملاء الذكاء الاصطناعي للاكتشاف العلمي. هذه واحدة من أكثر المجالات إثارة مع اقتراب عام 2026. (ضع علامة مرجعية على هذا) يقدم هذا البحث الجديد SAGA (عامل تطور الأهداف العلمية المستقلة)، وهو إطار ثنائي المستوى حيث تتطور الحلقة الخارجية تلقائيا الأهداف بينما تقوم الحلقة الداخلية بتحسين الحلول. لماذا هذه الورقة مهمة جدا؟ يتطلب الاكتشاف العلمي تكرارا لما يجب تحسينه، وليس فقط كيفية التحسين. أتمتة هذه الحلقة الموضوعية من التطور يغلق فجوة كانت قد أعاقت معظم الأبحاث العلمية الحديثة الذكاء الاصطناعي. بدلا من التعامل مع تصميم الهدف كقرار بشري لمرة واحدة، تجعلها ساغا عملية اكتشاف ديناميكية ومستقلة. يقترح مخطط قائم على ماجرات اللغة الكبيرة أهدافا جديدة. يقوم المنفذ بتحويلها إلى دوال تسجيل نقاط قابلة للتنفيذ. المحسن يبحث عن الحلول. يقوم المحلل بفحص النتائج ويحدد أين تحتاج الأهداف إلى تحسين. تعمل SAGA على ثلاثة مستويات للأتمتة: > وضع الطيار المساعد، حيث يتعاون العلماء في التطور الموضوعي > شبه تجريبي حيث يقدم العلماء الملاحظات فقط للمحلل > الطيار الآلي حيث يتم آلي كل من التحليل والتخطيط النتائج عبر أربعة مجالات علمية: في تصميم المضادات الحيوية لعلاج K. pneumoniae المقاومة للأدوية، تحقق SAGA أفضل توازن بين النشاط البيولوجي والشبهه الدوائي. بينما تفشل الخطوط الأساسية إما في تحسين النشاط أو تحقق نشاطا عاليا مع جزيئات كيميائية غير واقعية، تضيف SAGA بشكل ديناميكي أهدافا مثل عقوبات التخليق ومرشحات الاستقرار الأيضي بناء على تحليل اتجاهات مستوى السكان. في تصميم المواد، وجدت SAGA 15 هيكلا مستقرا جديدا للمغناطيسات الدائمة ذات مخاطر منخفضة في سلسلة التوريد ضمن 200 حساب DFT، متفوقة على MatterGen (11 هيكلا). بالنسبة للمواد فائقة الصلبة، تحتوي أكثر من 90٪ من البلورات المقترحة على عناصر خفيفة ضرورية للصلابة، بما يتماشى مع النتائج التجريبية. في تصميم تسلسل الحمض النووي، تتجاوز SAGA الحدود الأساسية في تصميم المعززات الخاصة بنوع الخلية بنسبة تصل إلى 176٪، مع تحسن بنسبة 48٪ في الخصوصية و47٪ في إثراء الأنماط الموسيقية. في تصميم العمليات الكيميائية، تحدد SAGA أن تحسين المنتج فقط يؤدي إلى جداول تدفق معقدة بشكل غير ضروري، ثم تضيف بشكل مستقل أهدافا لتكاليف رأس المال وكثافة تدفق المواد. ...