与AI科学家竞争：基于智能体的方法进行天文学研究

我们提出了一种面向科学数据分析的参数推断管道构建的方法。该方法利用多智能体系统Cmbagent（来自AI科学家Denario的分析系统）中的专用智能体协作，生成研究想法、编写和执行代码、评估结果，并迭代细化整个管道。作为案例研究，我们将其应用于FAIR Universe Weak Lensing Uncertainty Challenge——该竞赛在时间限制下聚焦于处理真实观测不确定性的鲁棒 cosmological 参数推断。虽然最初的完全自主探索未能达到专家水平，但集成人类干预后，我们的智能体驱动工作流程在挑战中取得了第一名成绩。这表明半自主智能体系统能够与甚至超过专家解决方案。我们详细描述了我们的工作流程，包括Cmbagent的自主和半自主探索。最终的推断管道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程可以为快速探索和构建推断问题的管道提供可扩展的框架。