ScienceClaw - 中国科学院紫東台初が立ち上げた研究ネイティブなインテリジェントエージェントプラットフォーム

ScienceClawとは何ですか？

ScienceClawは、中国科学院自動化研究所がインキュベートしたZidong Taichuが開発した、研究に特化したインテリジェントエージェントプラットフォームです。Zidong Taichuのマルチモーダル大規模モデルを基盤とし、生命科学、材料科学、化学、物理学、天文学などの分野を網羅しています。最新のアップグレード版AutoProjectエンジンは、AIが個々の研究タスクを実行するだけでなく、研究プロジェクト全体を自律的に遂行することを可能にします。プロジェクトの計画、タスクの細分化、長期的な実行、証拠の検証、耐障害性修復を自律的に完了させ、最終的には論文、データ、モデル、コードなどの再利用可能な研究資産を蓄積し、人間と機械の協働による介入を支援します。

ScienceClawの主な機能

• プロジェクトレベルの計画策定（Project2Task）漠然とした研究アイデアを入力すると、自動的に構造化されたタスクネットワークに分解され、研究の道筋が計画されます。
• 長期自律実行（タスクエグゼキュータ）：長期にわたる現場プロジェクトの推進、実験の自律的な実施、異常への対処、そして頻繁な人的介入を必要としない動的な反復。
• 証拠に基づく検証（EviGraph）それぞれの結論は、証拠の全過程にわたる検証を受け、いかなる逸脱も自動的に遡って追跡され、修正される。
• 文献の検索と研究私たちは、あらゆる分野にわたる数億件もの文書を収録したデータベースを活用し、独自に文献調査を実施して重要な知見を抽出しました。
• データ分析とコード実行これは、スケジューリングコード、データ分析、シミュレーションといった専門的なツールを統合的に活用し、科学研究における計算タスクを完了させるものです。
• 科学研究資産の蓄積論文、データセット、モデル、コード、および再利用可能で追跡可能な実験記録一式を自動的に出力します。
• 人間と機械の協働研究者は、研究の過程や中間結果を評価し、修正するために、どの段階でも介入することができる。
• 複数端末アクセス公式サイト、WeChat、Larkプラグインからの通話に対応しています。

ScienceClawの技術的原理

• マルチモーダル大型モデルベースZidong Taichu 4.0マルチモーダル大規模モデルを「頭脳」として使用することで、テキスト、画像、音声を統一された意味空間に統合し、マルチモーダル推論、自律的な計画、フィードバック修正の能力を備え、論文中の数式、図表、実験曲線、コード、データ、シミュレーションなどの異種科学研究情報を統一的に理解することを可能にする。
• 階層型自律マルチエージェントアーキテクチャ従来の「マスター・スレーブエージェント」モデルとは異なり、本システムは研究目標を中心としたタスクグラフを自動的に生成し、分野、ツール、実行状況に応じて、専門分野、コード、検索、データ分析、シミュレーションなどの専門エージェントを動的にスケジュールすることで、動的にネットワーク化され、協調的に実行され、フィードバックに基づいて再計画可能なインテリジェントエージェントクラスターを形成します。
• Project2Taskプロジェクト計画メカニズムこのシステムは、研究目標、文献データ、リソース制約、タスク間の依存関係を統合して、グローバルモデリングを実行します。信号対雑音比分析によって最適な分解戦略を選択し、水平、垂直、水平→垂直、垂直→水平の4つのプロジェクトトポロジーをサポートします。また、タスク列の並列関係と、タスク間のアセットの再利用も計画します。
• TaskExecutorの長期実行メカニズム従来の「1回の呼び出しで1回の応答」という直線的なモデルから脱却し、目標指向型の自律的な科学研究サイクルを構築します。プロジェクトの状況をグローバルに監視し、実験フィードバックを継続的に収集します。タスクが失敗したり、結果が異常だったりした場合は、自動的にバックトラックして評価し、タスクネットワークを再構築して実験を再実行することで、科学研究の非線形反復特性に適応します。
• EviGraph証拠グラフシステム研究プロセスは、「研究課題 → 研究ギャップ → 仮説 → 実験 → 発見 → 結論」という動的な証拠連鎖として構成され、初期マップ構築、検証と反復的な修正、原稿作成の3段階で実行されます。タスク間のロジックの一貫性を継続的に検証し、証拠連鎖に沿って根本原因を特定して逸脱が検出された場合は自律的に修正し、短期／長期マップライブラリと連携してバージョンロールバックと経験蓄積を実現します。

ScienceClawの使い方

• 公式ウェブサイトをご覧くださいScienceClawのウェブサイト（https://scienceclaw.zidongtaichu.com/）にアクセスし、アカウント登録とログインを完了してください。
• 研究目標の入力手順を細かく説明したり、詳細な課題文を書いたりする必要はありません。マクロレベルの研究コンセプトまたはプロジェクト目標を提出するだけで結構です。
• プロジェクト計画を確認するシステムはタスクの細分化と調査経路を自動的に生成し、水平方向や垂直方向など複数の細分化方法に対応しており、これらは手動で確認または調整することも可能です。
• 自律実行を待機中AIは、頻繁な介入を必要とせずに、長期間にわたり、文献調査、実験の実施、データ分析、異常修復を自律的に現場で完了できる。
• いつでも介入して軌道修正するプロジェクトの進行中であればいつでも中間結果を確認できるため、研究の方向性、仮説、データなどを評価・修正することが可能です。
• 科学研究の成果を得るプロジェクト完了後、論文、データセット、モデル、コード、実験記録一式など、再利用可能な研究資産を受け取ることができます。
• 複数端末通話ウェブ版に加え、WeChatやLarkのプラグインを通じて、いつでもどこでも研究ツールにアクセスできます。
• ユーザーガイドを参照してください公式サイトには詳細なユーザー向けドキュメントが掲載されており、高度な機能や操作方法について詳しく知ることができます。

ScienceClawの主な利点

• プロジェクトレベルの独立した科学研究これは業界で初めて「タスクの実行」から「プロジェクトの実行」への飛躍を実現し、単発的なタスクではなく、完全な科学研究プロジェクトを遂行できるようになった。
• エンドツーエンドのクローズドループ機能これは、計画、分解、実行、検証、修復、蓄積という6つの主要な段階を網羅し、単一のリンクを通じてプロジェクト全体を管理します。
• その結論は信頼性が高く、検証可能である。独自開発のEviGraphエビデンスグラフは、すべての結論が実験とデータによって裏付けられていることを保証し、追跡可能なエビデンス率は最良の基準値よりも40.74%高い。
• 長期的な自律実行単一呼び出しモードから脱却することで、長期間現場に留まり、自律的に実験と反復を行い、数ヶ月にわたる継続的な探索に耐えることができる。
• 自律的な耐障害性修復実験が失敗した場合やデータに異常が見られた場合、自動的に根本原因を特定し、タスクネットワークを再構築し、手動による介入なしに実験を再実行します。
• 科学研究資産の蓄積単一の研究成果から、論文、データ、モデル、コード、実験記録など、再利用可能で反復可能な一連の資産が生み出され、「論文ばかりを重視し、資産を軽視する」という傾向に終止符が打たれる。
• マルチモーダル技術遺伝子紫東太初マルチモーダル大規模モデルに基づいて、数式、図表、コード、データなどの異種科学研究情報の理解を統一的に行うことができる。
• 階層型マルチエージェントコラボレーションこれは、単一のエージェントが単独で動作するのではなく、分野、コード、検索、シミュレーションなどの専門的なエージェントを動的にスケジュールして、コラボレーションのためのネットワークを形成する。
• 主題の完全な網羅生命科学、材料科学、化学、物理学、天文学などの分野を網羅しており、あらゆる分野からの数億件もの文書を収録したデータベースによって支えられている。

ScienceClawの競合製品比較

ScienceClawの応用事例

• プロジェクトの全プロセス調査漠然とした構想から出発し、企画、実験、論文提出まで、プロジェクト全体を自力で完成させる。
• 文献レビュー数億件もの文書を収録したデータベースに基づいて、通常なら数時間かかる文献検索とレビューのプロセスをわずか数分で完了させることができる。
• AIモデリングと実験ストリップ表面欠陥の識別やYOLOモデリングなどのタスクのためのデータ処理、トレーニング、および反復最適化。
• ライフサイエンスと医薬品開発これはタンパク質研究、ワクチン開発、および薬剤スクリーニングを支援し、薬剤特性予測時間を1週間から10分に短縮します。
• 材料および化学研究応用例としては、化合物シミュレーション、材料冶金、合成経路計画などの乾式および湿式実験が挙げられる。