PiFlow: マルチエージェント協調による原理を考慮した科学的発見

PiFlow: Principle-aware Scientific Discovery with Multi-Agent Collaboration

May 21, 2025

著者: Yingming Pu, Tao Lin, Hongyu Chen

cs.AI

要旨

大規模言語モデル（LLM）を基盤としたマルチエージェントシステム（MAS）は、科学的発見において顕著な可能性を示しています。しかし、既存のアプローチでは、しばしば事前に定義されたワークフローを用いて科学的発見を自動化しており、合理性の制約が欠如しています。これにより、無目的な仮説構築や仮説と証拠の一貫した関連付けの失敗が生じ、体系的な不確実性の低減が妨げられています。これらの制限を克服するためには、根本的に体系的な不確実性の低減が必要です。本論文では、PiFlowという情報理論的フレームワークを紹介します。これは、自動化された科学的発見を、科学的法則などの原則に導かれた構造化された不確実性低減問題として扱います。ナノ材料構造、生体分子、および特定の特性を持つ超伝導体候補の発見という3つの異なる科学領域での評価において、本手法は発見効率を大幅に向上させ、特性値と探索ステップの曲線下面積（AUC）が73.55％増加し、バニラエージェントシステムと比較して解の品質が94.06％向上しました。全体として、PiFlowはプラグアンドプレイ方式として機能し、高効率な自動化科学的発見における新たなパラダイムシフトを確立し、より堅牢で加速されたAI駆動研究への道を開きます。コードはhttps://github.com/amair-lab/PiFlow{GitHub}で公開されています。

English

Large Language Model (LLM)-based multi-agent systems (MAS) demonstrate remarkable potential for scientific discovery. Existing approaches, however, often automate scientific discovery using predefined workflows that lack rationality constraints. This often leads to aimless hypothesizing and a failure to consistently link hypotheses with evidence, thereby hindering systematic uncertainty reduction. Overcoming these limitations fundamentally requires systematic uncertainty reduction. We introduce PiFlow, an information-theoretical framework, treating automated scientific discovery as a structured uncertainty reduction problem guided by principles (e.g., scientific laws). In evaluations across three distinct scientific domains -- discovering nanomaterial structures, bio-molecules, and superconductor candidates with targeted properties -- our method significantly improves discovery efficiency, reflected by a 73.55\% increase in the Area Under the Curve (AUC) of property values versus exploration steps, and enhances solution quality by 94.06\% compared to a vanilla agent system. Overall, PiFlow serves as a Plug-and-Play method, establishing a novel paradigm shift in highly efficient automated scientific discovery, paving the way for more robust and accelerated AI-driven research. Code is publicly available at our https://github.com/amair-lab/PiFlow{GitHub}.