Het aanwakkeren van wetenschappelijke creativiteit via LLM-gestuurde interdisciplinaire inspiratie

Sparking Scientific Creativity via LLM-Driven Interdisciplinary Inspiration

March 12, 2026

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

cs.AI

Samenvatting

Hoewel interdisciplinair onderzoek leidt tot grotere en langdurigere impact, blijft het meeste werk beperkt tot academische silo's binnen één domein. Recente, op AI gebaseerde benaderingen voor wetenschappelijke ontdekking tonen belofte voor interdisciplinair onderzoek, maar veel daarvan richten zich op het snel ontwerpen van experimenten en oplossingen, waarbij ze de verkennende, collaboratieve redeneerprocessen omzeilen die creatieve interdisciplinaire doorbraken aandrijven. Als gevolg daarvan richten eerdere inspanningen zich grotendeels op het automatiseren van wetenschappelijke ontdekking in plaats van het versterken van de redeneerprocessen die ten grondslag liggen aan wetenschappelijke disruptie. Wij presenteren Idea-Catalyst, een nieuw raamwerk dat systematisch interdisciplinaire inzichten identificeert om creatief redeneren bij zowel mensen als grote taalmodelen te ondersteunen. Uitgaande van een abstract onderzoeksdoel, is Idea-Catalyst ontworpen om de brainstormfase te ondersteunen en vermijdt het expliciet een vroegtijdige verankering aan specifieke oplossingen. Het raamwerk belichaamt belangrijke metacognitieve kenmerken van interdisciplinair redeneren: (a) het definiëren en beoordelen van onderzoeksdoelen, (b) bewustzijn van de kansen en onopgeloste uitdagingen binnen een domein, en (c) strategische exploratie van interdisciplinaire ideeën gebaseerd op impactpotentieel. Concreet deelt Idea-Catalyst een abstract doel (bijvoorbeeld het verbeteren van mens-AI-samenwerking) op in kernonderzoeksvragen binnen het doeldomein, die de analyse van voortgang en openstaande uitdagingen binnen dat domein sturen. Deze uitdagingen worden geherformuleerd als domein-onafhankelijke conceptuele problemen, wat het mogelijk maakt om inzichten op te halen uit externe disciplines (bijvoorbeeld Psychologie, Sociologie) die analoge vraagstukken aanpakken. Door inzichten uit deze domeinen te synthetiseren en terug te plaatsen in de context van het doeldomein, rangschikt Idea-Catalyst brondomeinen op basis van hun interdisciplinaire potentieel. Empirisch gezien verbetert deze gerichte integratie de gemiddelde nieuwswaarde met 21% en de zinvolheid met 16%, terwijl het verankerd blijft in het oorspronkelijke onderzoeksprobleem.

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.