arXiv cs.AI· Pengcheng Hou, Xiaojun Tan, Sihan Hu, Ruisi Wang, Shuo Chen, Lei Wang, Youjin Deng, Kun Chen·· 3 天前AI 评分31
面向可微科学软件生态的 AI 智能体递归改进环境
Recursive Improvement of a Differentiable Scientific Software Ecosystem
AI 导读
研究者提出一个由 AI 智能体驱动的可微科学软件演化环境，将需求识别、开发与质量评估打通，通过统一微分接口复用导数规则。该工作为物理、化学、生物建模领域的 20 个软件包构建并验证了自动微分扩展，基准测试显示梯度评估与参数估计相比有限差分更省算力。研究驱动的修订使原本不支持的流程实现可微，并修正了科学观测量的导数、消除冗余计算。
正文 · AI 翻译
摘要：可微编程将科学计算与基于梯度的推理、学习和设计连接起来。在异构软件生态系统中扩展这些能力，需要专门的工作来实现导数、集成接口并评估质量。AI 编码智能体可以加速这一转变，但将其能力转化为有用的科学软件，需要识别研究需求并评估实现满足这些需求的程度。我们提出了一个用于智能体驱动可微科学软件演化的环境，将需求识别、开发和质量评估连接起来。统一的微分接口在现有数值例程之外暴露可复用的导数规则，使研究任务能够共享这些能力。研究需求指导开发，并通过独立的导数检查、工作流测试和性能评估来评估实现。经过验证的软件、研究程序和测试成为后续研究的共享资源。我们构建并验证了跨越 20 个软件包的自动微分扩展，涵盖物理、化学和生物建模，研究流程展示了跨任务复用。基准测试表明，在梯度评估和完整参数估计方面，相比有限差分可节省计算量。研究驱动的修订使先前不支持的工作流变得可微，修正科学可观测量的导数，并消除冗余计算。量子控制和热设计研究根据物理评估修订目标，在复用现有导数的同时改进设计。这项工作提供了一种实用方法，将可微编程扩展到既有科学软件中，并围绕共享计算生态系统的递归改进来组织 AI 智能体。
| 学科： | 人工智能（cs.AI）；计算物理（physics.comp-ph） |
| 引用为： | arXiv:2610.04561 [cs.AI] |
| （或使用 arXiv:2610.04561v2 [cs.AI] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2610.04561 arXiv 颁发的 DOI，通过 DataCite |
提交历史
来自：Pengcheng Hou [查看邮箱]
[v1]
2026年10月3日星期六 14:51:09 UTC（728 KB）
[v2]
2026年10月12日星期一 08:01:04 UTC（728 KB）
来源：arXiv cs.AI · arxiv.org