Stimuler la créativité scientifique par l'inspiration interdisciplinaire pilotée par les LLM

Sparking Scientific Creativity via LLM-Driven Interdisciplinary Inspiration

March 12, 2026

Auteurs: Priyanka Kargupta, Shuhaib Mehri, Dilek Hakkani-Tur, Jiawei Han

cs.AI

Résumé

Malgré le fait que la recherche interdisciplinaire génère un impact plus large et plus durable, la plupart des travaux restent confinés dans des silos académiques monodisciplinaires. Les approches récentes de découverte scientifique basées sur l'IA sont prometteuses pour la recherche interdisciplinaire, mais beaucoup privilégient la conception rapide d'expériences et de solutions, contournant les processus de raisonnement exploratoire et collaboratif qui sous-tendent les percées interdisciplinaires créatives. Par conséquent, les efforts antérieurs ont largement privilégié l'automatisation de la découverte scientifique plutôt que l'augmentation des processus de raisonnement à la base des ruptures scientifiques. Nous présentons Idea-Catalyst, un nouveau cadre qui identifie systématiquement des perspectives interdisciplinaires pour soutenir le raisonnement créatif chez les humains et les grands modèles de langage. En partant d'un objectif de recherche abstrait, Idea-Catalyst est conçu pour assister la phase de brainstorming, en évitant explicitement un ancrage prématuré sur des solutions spécifiques. Le cadre incarne des caractéristiques métacognitives clés du raisonnement interdisciplinaire : (a) la définition et l'évaluation des objectifs de recherche, (b) la conscience des opportunités et des défis non résolus d'un domaine, et (c) l'exploration stratégique d'idées interdisciplinaires basée sur le potentiel d'impact. Concrètement, Idea-Catalyst décompose un objectif abstrait (par exemple, améliorer la collaboration humain-IA) en questions de recherche fondamentales pour le domaine cible, qui guident l'analyse des progrès et des défis ouverts au sein de ce domaine. Ces défis sont reformulés en problèmes conceptuels indépendants du domaine, permettant une recherche dans des disciplines externes (par exemple, la psychologie, la sociologie) qui traitent de problèmes analogues. En synthétisant et recontextualisant les idées de ces domaines dans le domaine cible, Idea-Catalyst classe les domaines sources selon leur potentiel interdisciplinaire. Empiriquement, cette intégration ciblée améliore la nouveauté moyenne de 21 % et le caractère perspicace de 16 %, tout en restant ancrée dans le problème de recherche initial.

English

Despite interdisciplinary research leading to larger and longer-term impact, most work remains confined to single-domain academic silos. Recent AI-based approaches to scientific discovery show promise for interdisciplinary research, but many prioritize rapidly designing experiments and solutions, bypassing the exploratory, collaborative reasoning processes that drive creative interdisciplinary breakthroughs. As a result, prior efforts largely prioritize automating scientific discovery rather than augmenting the reasoning processes that underlie scientific disruption. We present Idea-Catalyst, a novel framework that systematically identifies interdisciplinary insights to support creative reasoning in both humans and large language models. Starting from an abstract research goal, Idea-Catalyst is designed to assist the brainstorming stage, explicitly avoiding premature anchoring on specific solutions. The framework embodies key metacognitive features of interdisciplinary reasoning: (a) defining and assessing research goals, (b) awareness of a domain's opportunities and unresolved challenges, and (c) strategic exploration of interdisciplinary ideas based on impact potential. Concretely, Idea-Catalyst decomposes an abstract goal (e.g., improving human-AI collaboration) into core target-domain research questions that guide the analysis of progress and open challenges within that domain. These challenges are reformulated as domain-agnostic conceptual problems, enabling retrieval from external disciplines (e.g., Psychology, Sociology) that address analogous issues. By synthesizing and recontextualizing insights from these domains back into the target domain, Idea-Catalyst ranks source domains by their interdisciplinary potential. Empirically, this targeted integration improves average novelty by 21% and insightfulness by 16%, while remaining grounded in the original research problem.