論文の概要: Interdisciplinary Discovery of Nanomaterials Based on Convolutional
Neural Networks
- arxiv url: http://arxiv.org/abs/2212.02805v1
- Date: Tue, 6 Dec 2022 07:51:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-07 18:03:30.629080
- Title: Interdisciplinary Discovery of Nanomaterials Based on Convolutional
Neural Networks
- Title(参考訳): 畳み込みニューラルネットワークによるナノ材料の学際的発見
- Authors: Tong Xie and Yuwei Wan and Weijian Li and Qingyuan Linghu and Shaozhou
Wang and Yalun Cai and Han Liu and Chunyu Kit and Clara Grazian and Bram Hoex
- Abstract要約: 我々はCNNを用いて、エネルギー関連出版物におけるナノマテリアルおよび合成法に関する貴重な実験に基づく情報を発見する。
最初のシステムであるTextMasterは、テキストから意見を抽出し、それらを課題と機会に分類し、それぞれ94%と92%の精度で達成する。
第2のシステムであるGraphMasterは、98.3%の分類精度と4.3%のデータ抽出平均平方誤差を持つ出版物から表や数字を抽出する。
- 参考スコア(独自算出の注目度): 6.350788459498522
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The material science literature contains up-to-date and comprehensive
scientific knowledge of materials. However, their content is unstructured and
diverse, resulting in a significant gap in providing sufficient information for
material design and synthesis. To this end, we used natural language processing
(NLP) and computer vision (CV) techniques based on convolutional neural
networks (CNN) to discover valuable experimental-based information about
nanomaterials and synthesis methods in energy-material-related publications.
Our first system, TextMaster, extracts opinions from texts and classifies them
into challenges and opportunities, achieving 94% and 92% accuracy,
respectively. Our second system, GraphMaster, realizes data extraction of
tables and figures from publications with 98.3\% classification accuracy and
4.3% data extraction mean square error. Our results show that these systems
could assess the suitability of materials for a certain application by
evaluation of synthesis insights and case analysis with detailed references.
This work offers a fresh perspective on mining knowledge from scientific
literature, providing a wide swatch to accelerate nanomaterial research through
CNN.
- Abstract(参考訳): 材料科学文献には、最新かつ包括的な材料科学知識が含まれている。
しかし、その内容は非構造的で多様であり、材料設計と合成に十分な情報を提供することで大きなギャップが生じる。
この目的のために,畳み込みニューラルネットワーク(cnn)に基づく自然言語処理(nlp)とコンピュータビジョン(cv)技術を用いて,エネルギー関連出版物におけるナノマテリアルと合成手法に関する貴重な実験的情報の発見を行った。
最初のシステムであるtextmasterでは,テキストから意見を抽出して課題と機会に分類し,それぞれ94%と92%の精度を実現しています。
第2のシステムであるGraphMasterは、98.3\%の分類精度と4.3%のデータ抽出平均平方誤差を持つ出版物から表や数字を抽出する。
以上の結果から, 合成洞察の評価と詳細な参考文献を用いた事例分析により, 特定の用途に適合する材料の適合性を評価することができた。
この研究は、CNNによるナノマテリアル研究を加速するための幅広い展望を提供する科学文献から、鉱業に関する新たな知見を提供する。
関連論文リスト
- 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) - Agent-based Learning of Materials Datasets from Scientific Literature [0.0]
我々は,大規模言語モデル(LLM)を利用した化学AIエージェントを開発し,自然言語テキストから構造化データセットを作成する。
化学者のAIエージェントであるEunomiaは、何十年もの科学研究論文から既存の知識を活用して、行動を計画し実行することができる。
論文 参考訳(メタデータ) (2023-12-18T20:29:58Z) - Lessons in Reproducibility: Insights from NLP Studies in Materials
Science [4.205692673448206]
我々は,これらの研究を観点から理解し,材料情報学の分野に対するその大きな影響を,それらに批判的でなく認識することを目的としている。
本研究は, 両論文とも, 徹底した, 丁寧な, ドキュメント化され, モデル評価のための明確なガイダンスが得られたことを示唆する。
著作権制限が許すトレーニングデータへのアクセス、モデルアーキテクチャとトレーニングプロセスの透明性の向上、ソフトウェア依存バージョン仕様など、改善すべき領域を強調します。
論文 参考訳(メタデータ) (2023-07-28T18:36:42Z) - Materials Informatics: An Algorithmic Design Rule [0.0]
材料情報学は、材料科学研究において「第4のパラダイム」である。
有機半導体のエニグマを材料情報化アプローチにより研究した。
論文 参考訳(メタデータ) (2023-05-05T18:55:32Z) - Extracting Structured Seed-Mediated Gold Nanorod Growth Procedures from
Literature with GPT-3 [52.59930033705221]
1,137枚の紙から抽出した11,644個のエンティティのデータセットを作成した。
1,137枚の紙から抽出した11,644個のエンティティのデータセットを作成した。
論文 参考訳(メタデータ) (2023-04-26T22:21:33Z) - PcMSP: A Dataset for Scientific Action Graphs Extraction from
Polycrystalline Materials Synthesis Procedure Text [1.9573380763700712]
このデータセットは、実験段落から抽出された合成文と、エンティティの言及と文内関係を同時に含んでいる。
PcMSPコーパスの品質を保証する2段階の人間アノテーションとアノテーション間合意研究を行った。
本稿では,4つの自然言語処理タスクを紹介する。文分類,名前付きエンティティ認識,関係分類,エンティティと関係の合同抽出である。
論文 参考訳(メタデータ) (2022-10-22T09:43:54Z) - Artificial Intelligence in Concrete Materials: A Scientometric View [77.34726150561087]
本章は, コンクリート材料用AI研究の主目的と知識構造を明らかにすることを目的としている。
まず、1990年から2020年にかけて発行された389の雑誌記事が、ウェブ・オブ・サイエンスから検索された。
キーワード共起分析やドキュメント共起分析などのサイエントメトリックツールを用いて,研究分野の特徴と特徴を定量化した。
論文 参考訳(メタデータ) (2022-09-17T18:24:56Z) - Text to Insight: Accelerating Organic Materials Knowledge Extraction via
Deep Learning [1.2774526936067927]
本研究は,有機材料の知識抽出を探求することを目的とする。
我々は,92,667件の要約から,855件の注釈文と708,376件の注釈文からなる研究データセットを構築した。
BiLSTM-CNN-CRF深層学習モデルを用いて,文献から重要な知識を自動的に抽出した。
論文 参考訳(メタデータ) (2021-09-27T01:58:35Z) - Scientific Language Models for Biomedical Knowledge Base Completion: An
Empirical Study [62.376800537374024]
我々は,KG の完成に向けた科学的 LM の研究を行い,生物医学的リンク予測を強化するために,その潜在知識を活用できるかどうかを探る。
LMモデルとKG埋め込みモデルを統合し,各入力例をいずれかのモデルに割り当てることを学ぶルータ法を用いて,性能を大幅に向上させる。
論文 参考訳(メタデータ) (2021-06-17T17:55:33Z) - CitationIE: Leveraging the Citation Graph for Scientific Information
Extraction [89.33938657493765]
引用論文と引用論文の参照リンクの引用グラフを使用する。
最先端技術に対するエンド・ツー・エンドの情報抽出の大幅な改善を観察する。
論文 参考訳(メタデータ) (2021-06-03T03:00:12Z) - Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。
ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。
提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
論文 参考訳(メタデータ) (2020-08-05T15:45:54Z)
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。