論文の概要: GPT-Lab: Next Generation Of Optimal Chemistry Discovery By GPT Driven Robotic Lab

• arxiv url: http://arxiv.org/abs/2309.16721v1
• Date: Fri, 15 Sep 2023 10:51:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-08 11:14:02.684981
• Title: GPT-Lab: Next Generation Of Optimal Chemistry Discovery By GPT Driven Robotic Lab
• Title（参考訳）: GPT-Lab: GPT駆動ロボットラボによる次世代の最適化学発見
• Authors: Xiaokai Qin, Mingda Song, Yangguan Chen, Zhehong Ai, Jing Jiang
• Abstract要約: GPT-Labは、GPTモデルを用いてロボットに人間のような知性を与えるパラダイムである。 我々のロボット実験プラットフォームでは、GPT-Labは材料や方法の文献を採掘し、その結果を検証する。
• 参考スコア（独自算出の注目度）: 4.8673867161160285
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The integration of robots in chemical experiments has enhanced experimental efficiency, but lacking the human intelligence to comprehend literature, they seldom provide assistance in experimental design. Therefore, achieving full-process autonomy from experiment design to validation in self-driven laboratories (SDL) remains a challenge. The introduction of Generative Pre-trained Transformers (GPT), particularly GPT-4, into robotic experimentation offers a solution. We introduce GPT-Lab, a paradigm that employs GPT models to give robots human-like intelligence. With our robotic experimentation platform, GPT-Lab mines literature for materials and methods and validates findings through high-throughput synthesis. As a demonstration, GPT-Lab analyzed 500 articles, identified 18 potential reagents, and successfully produced an accurate humidity colorimetric sensor with a root mean square error (RMSE) of 2.68%. This showcases the rapid materials discovery and validation potential of our system.
• Abstract（参考訳）: 化学実験におけるロボットの統合は実験の効率を高めたが、文学を理解するための人間の知性が欠如しているため、実験的な設計を支援することはほとんどない。 したがって、実験設計から自己駆動型研究所(SDL)の検証までの完全プロセスの自律化は、依然として課題である。 GPT(Generative Pre-trained Transformers)、特にGPT-4のロボット実験への導入は解決策を提供する。 GPT-Labは、GPTモデルを用いてロボットに人間のような知性を与えるパラダイムである。 ロボット実験プラットフォームを用いて,gpt-labは材料や手法に関する文献を発掘し,高スループット合成による結果の検証を行う。 実演として、gpt-labは500の論文を分析し、18の潜在的な試薬を特定し、根平均二乗誤差(rmse)が2.68%の正確な湿度測色センサを作製した。 これは我々のシステムの素早い材料発見と検証の可能性を示す。

関連論文リスト

• Automating Exploratory Proteomics Research via Language Models [22.302672656499315]
  PROTEUSは、生データから科学的発見を行うための完全に自動化されたシステムである。 人間の介入なしに研究目的、分析結果、新しい生物学的仮説を包括的に作成する。
  論文  参考訳（メタデータ） (2024-11-06T08:16:56Z)
• BatGPT-Chem: A Foundation Large Model For Retrosynthesis Prediction [65.93303145891628]
  BatGPT-Chemは150億のパラメータを持つ大規模な言語モデルであり、再合成予測の強化に最適化されている。 我々のモデルは幅広い化学知識を捉え、反応条件の正確な予測を可能にする。 この開発により、化学者は新しい化合物を十分に扱うことができ、医薬品製造と材料科学の革新サイクルを早める可能性がある。
  論文  参考訳（メタデータ） (2024-08-19T05:17:40Z)
• 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)
• Boolean matrix logic programming for active learning of gene functions in genome-scale metabolic network models [4.762323642506732]
  我々は、細胞工学の促進と生物学的発見を促進するために、論理ベースの機械学習技術を適用しようとしている。 我々は,情報的実験を導くことでゲノム仮説空間を効率的に探索する新しいシステム,BMLP_active$を導入する。 $BMLP_active$は、ランダムな実験よりもトレーニング例が少ない遺伝子ペア間の相互作用をうまく学べる。
  論文  参考訳（メタデータ） (2024-05-10T09:51:06Z)
• CRISPR-GPT: An LLM Agent for Automated Design of Gene-Editing Experiments [51.41735920759667]
  大規模言語モデル(LLM)は様々なタスクにおいて有望であるが、しばしば特定の知識が欠如し、生物学的設計の問題を正確に解くのに苦労する。 本研究では,CRISPRに基づく遺伝子編集実験の設計プロセスを自動化するために,ドメイン知識と外部ツールを付加したLCMエージェントであるCRISPR-GPTを紹介する。
  論文  参考訳（メタデータ） (2024-04-27T22:59:17Z)
• Image and Data Mining in Reticular Chemistry Using GPT-4V [5.440238820637818]
  GPT-4Vは、ChatGPTまたはAPIを通じてアクセス可能な、拡張された視覚機能を備えた大きな言語モデルである。 本研究は,GPT-4Vが金属-有機化合物の複雑なデータをナビゲートし,得ることができることを示す。
  論文  参考訳（メタデータ） (2023-12-09T05:05:25Z)
• A GPT-4 Reticular Chemist for Guiding MOF Discovery [0.704345141118018]
  本稿では,AIモデル GPT-4 をレチキュラー化学実験の反復過程に統合する新しいフレームワークを提案する。 このGPT-4レチキュラーケミストは3つの相からなる統合システムである。
  論文  参考訳（メタデータ） (2023-06-20T05:26:44Z)
• BiomedGPT: A Generalist Vision-Language Foundation Model for Diverse Biomedical Tasks [68.39821375903591]
  汎用AIは、さまざまなデータ型を解釈する汎用性のために、制限に対処する可能性を秘めている。 本稿では,最初のオープンソースかつ軽量な視覚言語基盤モデルであるBiomedGPTを提案する。
  論文  参考訳（メタデータ） (2023-05-26T17:14:43Z)
• Evaluation of GPT and BERT-based models on identifying protein-protein interactions in biomedical text [1.3923237289777164]
  生成事前学習型変換器(GPT)や変換器(BERT)からの双方向エンコーダ表現などの事前学習型言語モデルは、自然言語処理(NLP)タスクにおいて有望な結果を示している。 複数GPTモデルとBERTモデルのPPI識別性能を、3つの手作業による金標準コーパスを用いて評価した。
  論文  参考訳（メタデータ） (2023-03-30T22:06:10Z)
• GFlowNets for AI-Driven Scientific Discovery [74.27219800878304]
  我々はGFlowNetsと呼ばれる新しい確率論的機械学習フレームワークを提案する。 GFlowNetsは、実験科学ループのモデリング、仮説生成、実験的な設計段階に適用できる。 我々は、GFlowNetsがAIによる科学的発見の貴重なツールになり得ると論じている。
  論文  参考訳（メタデータ） (2023-02-01T17:29:43Z)
• Deep metric learning improves lab of origin prediction of genetically engineered plasmids [63.05016513788047]
  遺伝工学の属性(GEA)は、配列-ラブの関連を作る能力である。 本稿では,計量学習に基づいて,最も可能性の高い実験室をランク付けする手法を提案する。 我々は、特定の実験室のプラスミド配列のキーシグネチャを抽出することができ、モデル出力の解釈可能な検査を可能にする。
  論文  参考訳（メタデータ） (2021-11-24T16:29:03Z)

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。