与AI科学家竞争：天体物理学研究的智能体驱动方法

我们提出一种用于构建科学数据分析参数推断流水线的智能体驱动方法。我们的方法利用多智能体系统Cmbagent（AI科学家Denario的分析系统），其中专业化智能体协作生成研究想法、编写并执行代码、评估结果，并迭代优化整体流水线。作为案例研究，我们将该方法应用于FAIR Universe弱透镜不确定性挑战赛，这是一项限时竞赛，聚焦于在现实观测不确定性下进行稳健的宇宙学参数推断。尽管完全自主的探索最初未达到专家水平，但引入人类干预后，我们的智能体驱动工作流在该挑战赛中取得了第一名。这表明半自主智能体系统能够与专家解决方案竞争，并在某些情况下超越后者。我们详细描述了工作流，包括Cmbagent的自主与半自主探索。我们的最终推断流水线利用参数高效卷积神经网络、在已知参数网格上的似然校准以及多种正则化技术。我们的结果表明，智能体驱动的研究工作流可提供一个可扩展框架，用于快速探索并构建推断问题的流水线。