論文の概要: Communication is the universal solvent: atreya bot -- an interactive bot
for chemical scientists
- arxiv url: http://arxiv.org/abs/2106.07257v1
- Date: Mon, 14 Jun 2021 09:20:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-15 15:43:02.611381
- Title: Communication is the universal solvent: atreya bot -- an interactive bot
for chemical scientists
- Title（参考訳）: コミュニケーションは普遍的な溶媒である - atreya bot - 化学科学者のための対話型ボット
- Authors: Mahak Sharma (1), Abhishek Kaushik (2), Rajesh Kumar (3), Sushant
Kumar Rai (3), Harshada Hanumant Desai (3) and Sargam Yadav (3) ((1) Vidhya
Bhawan Gandhiyan Institute of Educational Studies,(2) Dublin City University,
Ireland,(3) Dublin Business School, Dublin, Ireland)
- Abstract要約: アトレヤ(Atreya)は化学愛好家、研究者、学生がChEMBLデータベースを研究するための対話型ボットである。
本稿では,複雑な情報探索プロセスにおいて,化学生や化学者を支援するための対話エージェントの可能性について検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Conversational agents are a recent trend in human-computer interaction,
deployed in multidisciplinary applications to assist the users. In this paper,
we introduce "Atreya", an interactive bot for chemistry enthusiasts,
researchers, and students to study the ChEMBL database. Atreya is hosted by
Telegram, a popular cloud-based instant messaging application. This
user-friendly bot queries the ChEMBL database, retrieves the drug details for a
particular disease, targets associated with that drug, etc. This paper explores
the potential of using a conversational agent to assist chemistry students and
chemical scientist in complex information seeking process.
- Abstract（参考訳）: 会話エージェントは、ユーザを支援するために複数の分野のアプリケーションにデプロイされる、人間とコンピュータのインタラクションの最近のトレンドである。
本稿では,化学愛好家,研究者,学生を対象に,ChEMBLデータベースの研究を行う対話型ボット「Atreya」を紹介する。
Atreyaは、人気のクラウドベースのインスタントメッセージングアプリケーションTelegramがホストしている。
このユーザフレンドリーなボットは、ChEMBLデータベースをクェリし、特定の疾患、その薬物に関連するターゲットなどの詳細を検索する。
本稿では,化学生や化学科学者の複雑な情報探索プロセスを支援する対話型エージェントの可能性について検討する。
関連論文リスト
- Improving Ontology Requirements Engineering with OntoChat and Participatory Prompting [3.3241053483599563]
OREは主に、ドメインの専門家からユーザ要求を集めるために、インタビューや共同フォーラムのような手動の手法に依存しています。
Current OntoChatは,大規模な言語モデル(LLM)を使用してプロセスを合理化するための,ORE用のフレームワークを提供する。
本研究は,ユーザストーリのペルソナ,目標,シナリオ,サンプルデータ,データリソースの作成と精錬に重点を置いた,ユーザクエリに基づく事前定義されたプロンプトテンプレートを生成する。
論文 参考訳（メタデータ） (2024-08-09T19:21:14Z) - A Review of Large Language Models and Autonomous Agents in Chemistry [0.7184549921674758]
大規模言語モデル(LLM)は化学において強力なツールとして登場した。
このレビューでは、化学におけるLCMの機能と、自動化による科学的発見を加速する可能性を強調している。
エージェントは新たなトピックであるので、化学以外のエージェントのレビューの範囲を広げます。
論文 参考訳（メタデータ） (2024-06-26T17:33:21Z) - An Autonomous Large Language Model Agent for Chemical Literature Data
Mining [60.85177362167166]
本稿では,幅広い化学文献から高忠実度抽出が可能なエンドツーエンドAIエージェントフレームワークを提案する。
本フレームワークの有効性は,反応条件データの精度,リコール,F1スコアを用いて評価する。
論文 参考訳（メタデータ） (2024-02-20T13:21:46Z) - ChemLLM: A Chemical Large Language Model [49.308528569982805]
大規模言語モデル(LLM)は化学応用において顕著な進歩を遂げた。
しかし、コミュニティには化学に特化したLLMが欠落している。
本稿では,化学に特化した最初のLLMを特徴とする包括的フレームワークであるChemLLMを紹介する。
論文 参考訳（メタデータ） (2024-02-10T01:11:59Z) - Chemist-X: Large Language Model-empowered Agent for Reaction Condition Recommendation in Chemical Synthesis [57.70772230913099]
Chemist-Xは、検索増強生成(RAG)技術を用いた化学合成において、反応条件レコメンデーション(RCR)タスクを自動化する。
Chemist-Xはオンラインの分子データベースを尋問し、最新の文献データベースから重要なデータを蒸留する。
Chemist-Xは化学者の作業量を大幅に減らし、より根本的で創造的な問題に集中できるようにする。
論文 参考訳（メタデータ） (2023-11-16T01:21:33Z) - CAMEL: Communicative Agents for "Mind" Exploration of Large Language
Model Society [58.04479313658851]
本稿では,コミュニケーションエージェント間の自律的協調を支援するスケーラブルな手法の構築の可能性について検討する。
本稿では,ロールプレイングという新しいコミュニケーションエージェントフレームワークを提案する。
コントリビューションには、新しいコミュニケーティブエージェントフレームワークの導入、マルチエージェントシステムの協調行動や能力を研究するためのスケーラブルなアプローチの提供などが含まれます。
論文 参考訳（メタデータ） (2023-03-31T01:09:00Z) - INSCIT: Information-Seeking Conversations with Mixed-Initiative
Interactions [47.90088587508672]
InSCItは、混合開始型インタラクションによる情報探索会話のためのデータセットである。
ユーザーエージェントは805対人会話から4.7Kである。
対話型知識認識とオープンドメイン質問応答の最先端モデルに基づく2つのシステムの結果を報告する。
論文 参考訳（メタデータ） (2022-07-02T06:18:12Z) - Neural Approaches to Conversational Information Retrieval [94.77863916314979]
会話情報検索(CIR)システムは、会話インタフェースを備えた情報検索(IR)システムである。
近年のディープラーニングの進歩により、自然言語処理(NLP)と会話型AIが大幅に改善されている。
この本は、ここ数年で開発された神経アプローチに焦点を当てた、CIRの最近の進歩を調査します。
論文 参考訳（メタデータ） (2022-01-13T19:04:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。