ハーバード大学医学部、Kempner Institute、Broad Instituteによる共同チームであるBeatingによると、Shanghua Gao、Ada Fang、Marinka Zitnikを含む研究者たちが、科学発見のための分散型AIエージェントシステム「AutoScientists」をオープンソース化した。単一スレッドの探索を行う中央集約型システムとは異なり、AutoScientistsは中央コーディネーターを排除し、エージェントが非同期に協働できるようにする。エージェントは計算資源を消費する前に査読の下書きを作成し、重複する失敗実験を防ぎ、同時に複数の有望な研究方向を発見することができる。
BioML-Benchのテストで、医用画像、創薬、タンパク質工学のタスクにおいて、このシステムは24のタスクにわたる平均リーダーボード百分位で74.4%を達成し、先行するエージェントのベースラインより8.3ポイント向上した。タンパク質結合予測では、AutoScientistsがProteinGym上でSpearman相関を6.5%改善する方法を発見し、従来の教師ありベンチマークを上回った。
