論文の概要: BioinspiredLLM: Conversational Large Language Model for the Mechanics of
Biological and Bio-inspired Materials
- arxiv url: http://arxiv.org/abs/2309.08788v1
- Date: Fri, 15 Sep 2023 22:12:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-19 19:24:52.164171
- Title: BioinspiredLLM: Conversational Large Language Model for the Mechanics of
Biological and Bio-inspired Materials
- Title（参考訳）: bioinspiredllm: 生物および生物にインスパイアされた物質の力学のための会話型大言語モデル
- Authors: Rachel K. Luu, Markus J. Buehler
- Abstract要約: オープンソースの自己回帰変換器大言語モデルであるBioinspiredLLMが報告されている。
このモデルは、構造的生物学的および生体的インスパイアされた材料分野において、1,000以上の査読された記事のコーパスで微調整された。
- 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: The study of biological materials and bio-inspired materials science is well
established; however, surprisingly little knowledge has been systematically
translated to engineering solutions. To accelerate discovery and guide
insights, an open-source autoregressive transformer large language model,
BioinspiredLLM, is reported. The model was finetuned with a corpus of over a
thousand peer-reviewed articles in the field of structural biological and
bio-inspired materials and can be prompted to actively and interactively recall
information, assist with research tasks, and function as an engine for
creativity. The model has proven by example that it is not only able to
accurately recall information about biological materials when queried but also
formulate biomaterials questions and answers that can evaluate its own
performance. BioinspiredLLM also has been shown to develop sound hypotheses
regarding biological materials design and remarkably so for materials that have
never been explicitly studied before. Lastly, the model showed impressive
promise in collaborating with other generative artificial intelligence models
in a workflow that can reshape the traditional materials design process. This
collaborative generative artificial intelligence method can stimulate and
enhance bio-inspired materials design workflows. Biological materials is at a
critical intersection of multiple scientific fields and models like
BioinspiredLLM help to connect knowledge domains.
- Abstract（参考訳）: 生体材料研究とバイオインスパイアされた材料科学はよく確立されているが、驚くほどの知識が工学的解に体系的に翻訳されている。
発見と洞察の導出を加速するために、オープンソースの自己回帰変換器大言語モデルであるBioinspiredLLMが報告されている。
このモデルには、構造的生物学的およびバイオインスパイアされた材料分野における1000以上の査読された記事のコーパスが組み込まれており、積極的にインタラクティブに情報をリコールし、研究タスクを支援し、創造性のためのエンジンとして機能するよう促すことができる。
このモデルは、クエリー時に生体材料に関する情報を正確にリコールできるだけでなく、自身のパフォーマンスを評価することができる生体材料に関する質問や回答を定式化できるという例によって証明されている。
バイオインスパイアedllmはまた、生物材料の設計に関する健全な仮説を発達させることも示されており、これまで明示的に研究されたことのない物質に対して顕著にそうである。
最後に、このモデルは、従来の素材デザインプロセスを再形成できるワークフローにおいて、他の生成人工知能モデルと協調する素晴らしい可能性を示していた。
この協調生成型人工知能手法は、バイオインスパイアされた材料設計ワークフローを刺激し、強化することができる。
生体材料は、複数の科学分野と、バイオインスパイアされたedllmのようなモデルが、知識領域をつなぐのに役立つ重要な交差点にある。
関連論文リスト
- Polymetis:Large Language Modeling for Multiple Material Domains [11.396295878658924]
本稿では,多種多様な材料分野を対象とした大規模言語モデルPolymetisモデルを提案する。
このモデルでは,約200万件の資料知識に基づくデータセットを使用し,データセット構築の過程で知能抽出大モデルを開発した。
我々はこのデータをGLM4-9Bモデルに注入し、様々な物質領域における推論能力を向上させる。
論文 参考訳（メタデータ） (2024-11-13T16:10:14Z) - Cephalo: Multi-Modal Vision-Language Models for Bio-Inspired Materials Analysis and Design [0.0]
セファロ (Cephalo) は、材料科学の応用のために設計されたビジョン大型言語モデル(V-LLM)のシリーズである。
何千もの科学論文の総合的な画像とテキストデータに基づいて訓練されている。
ジェネレーティブ・アプリケーションには、花粉にインスパイアされた設計材料を含むバイオインスパイアされたデザインが含まれる。
論文 参考訳（メタデータ） (2024-05-29T13:34:32Z) - BioDiscoveryAgent: An AI Agent for Designing Genetic Perturbation Experiments [112.25067497985447]
そこで,BioDiscoveryAgentを紹介した。このエージェントは,新しい実験を設計し,その結果の理由を明らかにし,仮説空間を効率的にナビゲートし,望ましい解に到達させる。
BioDiscoveryAgentは、機械学習モデルをトレーニングすることなく、新しい実験を独自に設計することができる。
6つのデータセットで関連する遺伝的摂動を予測することで、平均21%の改善が達成されている。
論文 参考訳（メタデータ） (2024-05-27T19:57:17Z) - Leveraging Biomolecule and Natural Language through Multi-Modal
Learning: A Survey [75.47055414002571]
生物分子モデリングと自然言語(BL)の統合は、人工知能、化学、生物学の交差点において有望な学際領域として現れてきた。
生体分子と自然言語の相互モデリングによって達成された最近の進歩について分析する。
論文 参考訳（メタデータ） (2024-03-03T14:59:47Z) - An Evaluation of Large Language Models in Bioinformatics Research [52.100233156012756]
本研究では,大規模言語モデル(LLM)の性能について,バイオインフォマティクスの幅広い課題について検討する。
これらのタスクには、潜在的なコーディング領域の同定、遺伝子とタンパク質の命名されたエンティティの抽出、抗微生物および抗がんペプチドの検出、分子最適化、教育生物情報学問題の解決が含まれる。
以上の結果から, GPT 変種のような LLM がこれらのタスクの多くをうまく処理できることが示唆された。
論文 参考訳（メタデータ） (2024-02-21T11:27:31Z) - 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) - Improving Biomedical Abstractive Summarisation with Knowledge
Aggregation from Citation Papers [24.481854035628434]
既存の言語モデルは、バイオメディカルの専門家が生み出したものと同等の技術的要約を生成するのに苦労している。
本稿では,引用論文からドメイン固有の知識を統合する,新たな注目に基づく引用集約モデルを提案する。
我々のモデルは最先端のアプローチより優れており、抽象的なバイオメディカルテキスト要約の大幅な改善を実現している。
論文 参考訳（メタデータ） (2023-10-24T09:56:46Z) - BioT5: Enriching Cross-modal Integration in Biology with Chemical
Knowledge and Natural Language Associations [54.97423244799579]
$mathbfBioT5$は、化学知識と自然言語の関連性によって生物学のクロスモーダルな統合を強化する事前学習フレームワークである。
$mathbfBioT5$は構造化知識と非構造化知識を区別し、より効果的な情報利用につながる。
論文 参考訳（メタデータ） (2023-10-11T07:57:08Z) - MatChat: A Large Language Model and Application Service Platform for
Materials Science [18.55541324347915]
我々は、LLaMA2-7Bモデルのパワーを活用し、13,878個の構造化材料知識データを組み込んだ学習プロセスを通じて、LLaMA2-7Bモデルを強化する。
MatChatという名前のこの専門的なAIモデルは、無機物質合成経路の予測に焦点を当てている。
MatChatは現在オンラインでアクセス可能であり、モデルとアプリケーションフレームワークの両方をオープンソースとして利用できる。
論文 参考訳（メタデータ） (2023-10-11T05:11:46Z) - 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)
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。