Cmbagent gewinnt astrophysikalischen Wettbewerb – KI trifft Wissenschaft

Ein neu entwickeltes Agenten-System namens Cmbagent hat in einem internationalen Wettbewerb für die Astrophysik den ersten Platz belegt. Das System nutzt mehrere spezialisierte Agenten, die gemeinsam Ideen generieren, Code schreiben, ausführen und die Ergebnisse bewerten, um anschließend die gesamte Analysepipeline schrittweise zu optimieren.

Der Testlauf fand im Rahmen der FAIR Universe Weak Lensing Uncertainty Challenge statt, bei der die Teilnehmer unter strengen Zeitvorgaben robuste kosmologische Parameter aus realistischen Beobachtungsdaten ableiten mussten. Zunächst zeigte die vollständig autonome Exploration von Cmbagent zwar vielversprechende Fortschritte, erreichte jedoch nicht die Leistung von menschlichen Experten.

Durch gezielte menschliche Eingriffe – etwa bei der Auswahl von Modellarchitekturen und der Feinabstimmung von Hyperparametern – konnte das System seine Leistung dramatisch steigern. Das Ergebnis war ein erster Platz, der beweist, dass halbautonome Agentenlösungen nicht nur mit, sondern in manchen Fällen sogar über die Leistungen von Fachleuten hinausgehen können.

Die finale Pipeline von Cmbagent kombiniert parametereffiziente Convolutional Neural Networks mit einer Likelihood‑Kalibrierung über ein bekanntes Parameter‑Grid und mehreren Regularisierungstechniken. Diese Kombination ermöglicht eine schnelle und robuste Schätzung kosmologischer Parameter, selbst bei komplexen Unsicherheiten.

Die Studie zeigt, dass agentenbasierte Forschungsworkflows ein skalierbares Framework bieten, um Analysepipelines für Inferenzprobleme rasch zu entwickeln und zu verfeinern. Damit eröffnet sich ein vielversprechender Ansatz, um wissenschaftliche Erkenntnisse in der Astrophysik und darüber hinaus effizienter zu gewinnen.