Van AI voor Wetenschap naar Agentische Wetenschap: Een Overzicht van Autonoom Wetenschappelijk Onderzoek

From AI for Science to Agentic Science: A Survey on Autonomous Scientific Discovery

August 18, 2025

Auteurs: Jiaqi Wei, Yuejin Yang, Xiang Zhang, Yuhan Chen, Xiang Zhuang, Zhangyang Gao, Dongzhan Zhou, Guangshuai Wang, Zhiqiang Gao, Juntai Cao, Zijie Qiu, Xuming He, Qiang Zhang, Chenyu You, Shuangjia Zheng, Ning Ding, Wanli Ouyang, Nanqing Dong, Yu Cheng, Siqi Sun, Lei Bai, Bowen Zhou

cs.AI

Samenvatting

Kunstmatige intelligentie (AI) hervormt wetenschappelijke ontdekkingen en evolueert van gespecialiseerde computationele tools naar autonome onderzoekspartners. We positioneren Agentic Science als een cruciaal stadium binnen het bredere AI for Science-paradigma, waarbij AI-systemen evolueren van gedeeltelijke ondersteuning naar volledige wetenschappelijke autonomie. Mogelijk gemaakt door grote taalmodelen (LLM's), multimodale systemen en geïntegreerde onderzoeksplatforms, toont agentic AI capaciteiten in hypothesegeneratie, experimenteel ontwerp, uitvoering, analyse en iteratieve verfijning -- gedragingen die ooit als uniek menselijk werden beschouwd. Dit overzicht biedt een domeingerichte review van autonome wetenschappelijke ontdekkingen in de levenswetenschappen, scheikunde, materiaalkunde en natuurkunde. We verenigen drie voorheen gefragmenteerde perspectieven -- procesgericht, autonomiegericht en mechanismegericht -- via een uitgebreid raamwerk dat fundamentele capaciteiten, kernprocessen en domeinspecifieke realisaties verbindt. Op basis van dit raamwerk (i) traceren we de evolutie van AI for Science, (ii) identificeren we vijf kerncapaciteiten die wetenschappelijke autonomie ondersteunen, (iii) modelleren we ontdekking als een dynamische vierfasen-workflow, (iv) bespreken we toepassingen in de bovengenoemde domeinen, en (v) synthetiseren we belangrijke uitdagingen en toekomstige kansen. Dit werk biedt een domeingerichte synthese van autonome wetenschappelijke ontdekkingen en positioneert Agentic Science als een gestructureerd paradigma voor het bevorderen van AI-gedreven onderzoek.

English

Artificial intelligence (AI) is reshaping scientific discovery, evolving from specialized computational tools into autonomous research partners. We position Agentic Science as a pivotal stage within the broader AI for Science paradigm, where AI systems progress from partial assistance to full scientific agency. Enabled by large language models (LLMs), multimodal systems, and integrated research platforms, agentic AI shows capabilities in hypothesis generation, experimental design, execution, analysis, and iterative refinement -- behaviors once regarded as uniquely human. This survey provides a domain-oriented review of autonomous scientific discovery across life sciences, chemistry, materials science, and physics. We unify three previously fragmented perspectives -- process-oriented, autonomy-oriented, and mechanism-oriented -- through a comprehensive framework that connects foundational capabilities, core processes, and domain-specific realizations. Building on this framework, we (i) trace the evolution of AI for Science, (ii) identify five core capabilities underpinning scientific agency, (iii) model discovery as a dynamic four-stage workflow, (iv) review applications across the above domains, and (v) synthesize key challenges and future opportunities. This work establishes a domain-oriented synthesis of autonomous scientific discovery and positions Agentic Science as a structured paradigm for advancing AI-driven research.