地震津波発生基礎研究部門 大久保蔵馬主任研究員が、2026年 欧州地球科学連合(EGU) 地震学部門 Outstanding Early Career Scientist Awardを受賞しました🎖

3月投稿の振り返り_23 悪役科学者ちゃん。最終的には自分の拳で殴りかかってくるフィジカルつよつよタイプです。 服装部分のプロンプト mad scientist, mechanical arm, tech-wear lab coat, formal suit, tie, pumps, monocle, ID card worn around the neck #AIイラスト#

同じモデルでも「チームの作り方」を進化させるだけで、GPUカーネル最適化が人間の専門家レベルに迫りました🚀 Evolving Agent Teams 📌 概要 UC Berkeleyが提案するEATは、コーディングエージェントのチーム構成(役割・連携・知識管理)を、解と一緒に進化させる手法です。 ⚠️ 解決する課題 ・エージェントは実装しやすい方向に予算を使い切り、局所最適に陥りがちです ・固定チームでは、デバッグ→プロファイリング→設計変更と変わる局面に対応できません 🧬 手法 ・スーパーバイザーが失敗パターンを診断し、次のチームを設計します ・Profiling ScientistやKnowledge Integratorなど、役割をゼロから発明します ・永続ファイルシステムで知見と成果を次のチームへ引き継ぎます 📊 結果 ・MLA decode(H100)で、拡張予算ではFlashInfer比1.21倍、47ワークロード中36で上回りました ・固定4役チームは0.31倍、Claude Codeは約0.5倍で頭打ちでした ・GDN prefill(B200)は2.2倍から4.06倍へ、GEMM+AllReduceは1.56倍に伸びました 🔭 意義 モデルを変えず、組織の側を適応させることで停滞を抜けられると示した点が重要です。 #AIエージェント# #GPUカーネル#

AIにコードを書かせて実験を回すことは、もう当たり前になりました。では研究テーマの設定から論文の執筆まで、AI自身に任せたら何が起きるのでしょうか。 これまでのAIサイエンティストは、与えられたベンチマークのスコアを上げるだけの「ハイパーパラメータ探索エンジン」に留まりがちでした。想像力に欠け、目先の最適化しか追えないという限界があったのです。 🔬 Sakana AIの研究チームが発表した論文『The Agentic Scientist: Orchestrating Coding Agents for Automated Scientific (Co-)Discovery』は、タスク設定から並列調査、証拠の裏付け、論文執筆までを一本化したオーケストレーション層を提案しました。複数のエージェントが共有メモリを使って並列に研究サイクルを回し、仮説提案と実装・検証を分業する仕組みです。 🏆 実際にこのシステムが書いたニューロモルフィック学習則の論文は、学会ALIFE 2026の外部査読を通過し、口頭発表採択を獲得しました。さらに5つの機械学習タスク・4つのコーディングハーネス・70回の研究キャンペーンでの検証でも、最終的な実験スコアと論文の査読スコアには相関(r=0.44)が確認されています。LLMのLoRAルーティングを改善して検索精度を51.7%から98.0%まで引き上げるなど、AI自身が発見したアルゴリズム的改善も複数報告されました。 AIが「論文を書くまで」を担う時代の研究プロセスを、具体例で見せてくれる一本です。 URL: #AIサイエンティスト# #自動科学発見#