データ駆動型の科学的発見には、文脈調査、仮説の構築、データ解析の反復的サイクルが不可欠である。AIエージェントによる科学的調査の自動化に向けた著しい進展がなされてきたが、現行のすべてのエージェントは、一貫性を失う前に実行できるアクションの数に制限があり、その結果、得られる知見の深さに限界が生じている。本研究では、データ駆動型の発見を自動化するAI科学者「Kosmos」を紹介する。開かれた目的とデータセットを提示された場合、Kosmosは最大12時間にわたり、並列的なデータ解析、文脈調査、仮説生成のサイクルを繰り返し、その成果を科学的報告書として統合する。従来のシステムとは異なり、Kosmosは構造化された世界モデルを用いて、データ解析エージェントと文脈調査エージェントの間で情報を共有する。この世界モデルにより、Kosmosは200回以上のエージェントのロールアウトにわたり、一貫性を保って指定された目的を追求でき、1回の実行で平均して42,000行のコードを実行し、1,500編の論文を読解する。Kosmosは報告書内のすべての主張を、コードまたは一次文献で引用しており、その推論過程が追跡可能である。独立した科学者による評価では、Kosmosの報告書に含まれる主張の79.4％が正確であると確認された。また、共同研究者らは、1回の20サイクルのKosmos実行が、平均して自身の研究活動において6か月分の作業に相当すると報告している。さらに、共同研究者らは、Kosmosが生成する価値ある科学的知見の数が、実行サイクル数に比例して増加すること（最大20サイクルまで検証済み）を報告している。本研究では、Kosmosが代謝物質学、材料科学、神経科学、統計遺伝学の分野にまたがる7つの発見を報告する。そのうち3つは、Kosmosが実行時にアクセスしていないプレプリントまたは未公表の論文に既に記載された結果を独立して再現しており、残り4つは科学文献に新たな貢献をもたらすものである。