論文の概要: MSLE: An ontology for Materials Science Laboratory Equipment.
Large-Scale Devices for Materials Characterization
- arxiv url: http://arxiv.org/abs/2308.07325v1
- Date: Mon, 7 Aug 2023 12:39:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-20 16:28:17.657279
- Title: MSLE: An ontology for Materials Science Laboratory Equipment.
Large-Scale Devices for Materials Characterization
- Title（参考訳）: MSLE: 材料科学実験装置のオントロジー。
材料キャラクタリゼーションのための大規模デバイス
- Authors: Mehrdad Jalali, Matthias Mail, Rossella Aversa, and Christian K\"ubel
- Abstract要約: 本稿では,MSLEと呼ばれる材料科学実験装置のオントロジーについて紹介する。
本研究は,ドメイン専門家との密接なコラボレーションで実施され,本研究グループで利用可能な大規模材料評価に焦点を当てた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper introduces a new ontology for Materials Science Laboratory
Equipment, termed MSLE. A fundamental issue with materials science laboratory
(hereafter lab) equipment in the real world is that scientists work with
various types of equipment with multiple specifications. For example, there are
many electron microscopes with different parameters in chemical and physical
labs. A critical development to unify the description is to build an equipment
domain ontology as basic semantic knowledge and to guide the user to work with
the equipment appropriately. Here, we propose to develop a consistent ontology
for equipment, the MSLE ontology. In the MSLE, two main existing ontologies,
the Semantic Sensor Network (SSN) and the Material Vocabulary (MatVoc), have
been integrated into the MSLE core to build a coherent ontology. Since various
acronyms and terms have been used for equipment, this paper proposes an
approach to use a Simple Knowledge Organization System (SKOS) to represent the
hierarchical structure of equipment terms. Equipment terms were collected in
various languages and abbreviations and coded into the MSLE using the SKOS
model. The ontology development was conducted in close collaboration with
domain experts and focused on the large-scale devices for materials
characterization available in our research group. Competency questions are
expected to be addressed through the MSLE ontology. Constraints are modeled in
the Shapes Query Language (SHACL); a prototype is shown and validated to show
the value of the modeling constraints.
- Abstract（参考訳）: 本稿では,MSLEと呼ばれる材料科学実験装置のための新しいオントロジーを紹介する。
現実の世界における材料科学実験室(以下、実験室)の基本的な問題は、科学者が複数の仕様で様々な種類の機器を扱うことである。
例えば、化学実験室や物理実験室では異なるパラメータを持つ多くの電子顕微鏡が存在する。
この記述を統一するための重要な開発は、基本的な意味知識として機器ドメインオントロジーを構築し、利用者に適切な機器を扱うよう誘導することである。
本稿では,機器用一貫したオントロジーであるMSLEオントロジーを提案する。
MSLEでは、Semantic Sensor Network (SSN)とMaterial Vocabulary (MatVoc)の2つの主要なオントロジーがMSLEコアに統合され、一貫性のあるオントロジーが構築されている。
各種の頭字語や用語が機器に使われてきたため,機器用語の階層構造を表現するために,SKOS(Simple Knowledge Organization System)を用いたアプローチを提案する。
機器用語は様々な言語や略語で収集され、SKOSモデルを用いてMSLEにコード化された。
オントロジー開発はドメイン専門家と緊密に連携し,本研究グループで利用可能な材料特性評価のための大規模デバイスに焦点を当てた。
コンピテンシー質問はMSLEオントロジーによって解決される予定である。
制約はShapes Query Language (SHACL) でモデル化される。
関連論文リスト
- Probing the limitations of multimodal language models for chemistry and materials research [3.422786943576035]
実世界の化学や材料科学のタスクを視覚言語モデルがどのように扱うかを評価するためのベンチマークであるMaCBenchを紹介する。
これらのシステムは、基本的な知覚タスクにおいて有望な能力を示すが、空間的推論、クロスモーダル情報合成、論理的推論の基本的な限界を示す。
私たちの洞察は、化学や材料科学以外にも重要な意味を持ち、信頼性の高いマルチモーダルAI科学アシスタントを開発するには、適切なトレーニングデータとそれらのモデルをトレーニングするためのアプローチのキュレーションの進歩が必要であることを示唆している。
論文 参考訳（メタデータ） (2024-11-25T21:51:45Z) - Retrieval-Enhanced Machine Learning: Synthesis and Opportunities [60.34182805429511]
検索エンハンスメントは機械学習(ML)の幅広い範囲に拡張できる
この研究は、MLの様々な領域の文献を、現在の文献から欠落している一貫した表記で合成することで、このパラダイムの正式なフレームワークであるRetrieval-Enhanced Machine Learning (REML)を導入する。
本研究の目的は、様々な分野の研究者に対して、検索強化モデルの包括的、正式に構造化された枠組みを付与し、学際的な将来の研究を促進することである。
論文 参考訳（メタデータ） (2024-07-17T20:01:21Z) - Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オンロジはドメインの知識とメタデータを表現するために広く使われている。
直接支援できる論理的推論は、学習、近似、予測において非常に限られています。
1つの簡単な解決策は、統計分析と機械学習を統合することである。
論文 参考訳（メタデータ） (2024-06-16T14:49:19Z) - Diversifying Knowledge Enhancement of Biomedical Language Models using
Adapter Modules and Knowledge Graphs [54.223394825528665]
我々は、軽量なアダプターモジュールを用いて、構造化された生体医学的知識を事前訓練された言語モデルに注入するアプローチを開発した。
バイオメディカル知識システムUMLSと新しいバイオケミカルOntoChemの2つの大きなKGと、PubMedBERTとBioLinkBERTの2つの著名なバイオメディカルPLMを使用している。
計算能力の要件を低く保ちながら,本手法がいくつかの事例において性能改善につながることを示す。
論文 参考訳（メタデータ） (2023-12-21T14:26:57Z) - Modeling Dislocation Dynamics Data Using Semantic Web Technologies [0.0]
広く研究されている重要な材料は、金属や半導体を含む結晶材料である。
転位は強度、骨折、延性など様々な材料特性に影響を与える。
本稿では, 転位力学シミュレーションから得られたデータをWeb技術を用いてモデル化する方法について述べる。
論文 参考訳（メタデータ） (2023-09-13T13:03:44Z) - UMLS-KGI-BERT: Data-Centric Knowledge Integration in Transformers for
Biomedical Entity Recognition [4.865221751784403]
この研究は、UMLSからテキストシーケンスを抽出することにより、バイオメディカルトランスフォーマーエンコーダLMの言語表現を強化するためのデータ中心パラダイムに寄与する。
予め訓練したLMの拡張およびスクラッチからのトレーニングによる実験の結果から,複数の生物医学的,臨床的な名前付きエンティティ認識(NER)タスクにおける下流性能の向上が示された。
論文 参考訳（メタデータ） (2023-07-20T18:08:34Z) - Label Words are Anchors: An Information Flow Perspective for
Understanding In-Context Learning [77.7070536959126]
大規模言語モデル(LLM)の有望な能力としてインコンテキスト学習(ICL)が出現する
本稿では,情報フローレンズを用いたICLの動作機構について検討する。
本稿では,ICL性能向上のためのアンカー再重み付け手法,推論の高速化のための実演圧縮手法,GPT2-XLにおけるICLエラーの診断のための解析フレームワークを提案する。
論文 参考訳（メタデータ） (2023-05-23T15:26:20Z) - EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。
DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
論文 参考訳（メタデータ） (2022-08-01T18:47:03Z) - 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) - Semantic based model of Conceptual Work Products for formal verification
of complex interactive systems [3.0458872052651973]
概念的作業製品に対する客観的な仕様を検証するための自動論理推論器について述べる。
概念的な作業製品仕様は、明確に述べられ、正しく、解決可能な、基本的な出力要件として機能する。
セマンティックWebのツールによる作業オントロジーは、自動推論による解決可能性の検証のために、クラスと状態図を変換するために必要です。
論文 参考訳（メタデータ） (2020-08-04T15:10:44Z)
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。