IRIS (Interactive Research Ideation System) es un asistente impulsado por IA que permite a los investigadores prototipar rápidamente ideas de estudio. Los usuarios ingresan un tema o dominio de investigación, y IRIS produce preguntas de investigación personalizadas, identifica conceptos clave, sintetiza resúmenes de literatura relevantes y sugiere diseños experimentales o enfoques metodológicos. Organiza estos conocimientos en flujos de trabajo personalizables, apoyando el desarrollo de hipótesis, la planificación de recolección de datos y la interpretación de resultados. A través de conversaciones iterativas, IRIS ajusta las salidas en base a retroalimentación, asegura alineación con los objetivos de investigación y exporta informes estructurados en formatos como PDF, DOCX o Markdown. Al automatizar tareas repetitivas y potenciar la creatividad, IRIS acelera la investigación en etapas tempranas en academia, laboratorios de I+D y startups, fomentando la innovación y reduciendo el tiempo para obtener insights.

Multi-Agent AI Researcher proporciona un marco modular y extensible donde los usuarios pueden configurar y desplegar múltiples agentes de IA para abordar conjuntamente preguntas científicas complejas. Incluye un agente de generación de hipótesis que sugiere direcciones de investigación basadas en análisis de literatura, un agente de simulación de experimentos que modela y prueba hipótesis, un agente de análisis de datos que procesa los resultados de las simulaciones, y un agente de redacción que compila los hallazgos en documentos de investigación estructurados. Con soporte para plugins, los usuarios pueden incorporar modelos y fuentes de datos personalizadas. El orquestador gestiona las interacciones entre agentes y registra cada paso para la trazabilidad. Ideal para automatizar tareas repetitivas y acelerar los flujos de trabajo de I+D, garantiza reproducibilidad y escalabilidad en diversos dominios de investigación.

Virtual Scientists V2 funciona como un marco modular de agentes de IA adaptados a la investigación científica. Define múltiples científicos virtuales—químico, físico, biólogo y científico de datos—cada uno equipado con conocimientos específicos del dominio y con integraciones de herramientas. Estos agentes usan LangChain para coordinar llamadas a APIs de fuentes como Semantic Scholar, ArXiv y búsqueda web, permitiendo la recuperación automatizada de literatura, análisis contextual y extracción de datos. Los usuarios scriptian tareas especificando objetivos de investigación; los agentes recopilan automáticamente artículos, resumen metodologías y resultados, proponen protocolos experimentales, generan hipótesis y producen informes estructurados. El marco soporta plugins para herramientas y flujos de trabajo personalizados, promoviendo extensibilidad. Automatizando tareas repetitivas de investigación, Virtual Scientists V2 acelera la generación de ideas y reduce el esfuerzo manual en proyectos multidisciplinares.