論文の概要: Validation of the Scientific Literature via Chemputation Augmented by Large Language Models

• arxiv url: http://arxiv.org/abs/2410.06384v1
• Date: Tue, 8 Oct 2024 21:31:42 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-01 05:59:12.575581
• Title: Validation of the Scientific Literature via Chemputation Augmented by Large Language Models
• Title（参考訳）: 大規模言語モデルによるケムプテーションによる科学文献の検証
• Authors: Sebastian Pagel, Michael Jirasek, Leroy Cronin,
• Abstract要約: 化学計算は、普遍的な記号言語を用いて実験を行うための化学ロボットをプログラミングするプロセスである。 大規模言語モデル(LLM)は、自然言語処理、ロボット制御、最近では化学など、様々な分野において顕著な能力を発揮している。 本稿では,合成文芸手順の自動検証を目的としたLCMベースの化学研究エージェントワークフローを提案する。
• 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: Chemputation is the process of programming chemical robots to do experiments using a universal symbolic language, but the literature can be error prone and hard to read due to ambiguities. Large Language Models (LLMs) have demonstrated remarkable capabilities in various domains, including natural language processing, robotic control, and more recently, chemistry. Despite significant advancements in standardizing the reporting and collection of synthetic chemistry data, the automatic reproduction of reported syntheses remains a labour-intensive task. In this work, we introduce an LLM-based chemical research agent workflow designed for the automatic validation of synthetic literature procedures. Our workflow can autonomously extract synthetic procedures and analytical data from extensive documents, translate these procedures into universal XDL code, simulate the execution of the procedure in a hardware-specific setup, and ultimately execute the procedure on an XDL-controlled robotic system for synthetic chemistry. This demonstrates the potential of LLM-based workflows for autonomous chemical synthesis with Chemputers. Due to the abstraction of XDL this approach is safe, secure, and scalable since hallucinations will not be chemputable and the XDL can be both verified and encrypted. Unlike previous efforts, which either addressed only a limited portion of the workflow, relied on inflexible hard-coded rules, or lacked validation in physical systems, our approach provides four realistic examples of syntheses directly executed from synthetic literature. We anticipate that our workflow will significantly enhance automation in robotically driven synthetic chemistry research, streamline data extraction, improve the reproducibility, scalability, and safety of synthetic and experimental chemistry.
• Abstract（参考訳）: 化学計算は、普遍的な記号言語を用いて実験を行うための化学ロボットをプログラミングするプロセスである。 大規模言語モデル(LLM)は、自然言語処理、ロボット制御、最近では化学など、様々な分野において顕著な能力を発揮している。 合成化学データの報告と収集の標準化には大きな進歩があったが、報告された合成物の自動再生は労働集約的な作業である。 そこで本研究では,合成文献の自動検証を目的としたLCMベースの化学研究エージェントワークフローについて紹介する。 我々のワークフローは、広範囲な文書から合成手順と分析データを自律的に抽出し、これらの手順を普遍的なXDLコードに変換し、ハードウェア固有のセットアップで手順の実行をシミュレートし、最終的には合成化学のためのXDL制御ロボットシステム上で手順を実行する。 このことは、ケムプターを用いた自律的な化学合成のためのLLMベースのワークフローの可能性を示している。 XDLの抽象化のため、幻覚は計算不可能であり、XDLは検証も暗号化も可能であるため、このアプローチは安全でセキュアでスケーラブルである。 従来の作業はワークフローのごく一部にしか対応せず、柔軟性のないハードコードルールに依存していたり、物理的システムにおける検証に欠けていたりしていたが、本手法では合成文学から直接実行される合成の現実的な例を4つ提供している。 我々は,ロボットによる合成化学研究の自動化,データ抽出の合理化,再現性の向上,拡張性,および合成化学と実験化学の安全性の向上を期待する。

関連論文リスト

• Automated, LLM enabled extraction of synthesis details for reticular materials from scientific literature [29.097783516208892]
  LLMを用いた段落分類と情報抽出を自動化した知識抽出パイプライン(KEP)を提案する。 LLMは、微調整や訓練を必要とせず、PDF文書から化学情報を検索できることを実証する。 これらの結果は,人間のアノテーションやデータキュレーションの取り組みを減らすKEPアプローチの可能性を示している。
  論文  参考訳（メタデータ） (2024-11-05T20:08:23Z)
• Unlocking Potential Binders: Multimodal Pretraining DEL-Fusion for Denoising DNA-Encoded Libraries [51.72836644350993]
  マルチモーダルプレトレーニング DEL-Fusion Model (MPDF) 我々は,異なる複合表現とそれらのテキスト記述の対比対象を適用した事前学習タスクを開発する。 本稿では, 原子, 分子, 分子レベルでの複合情報をアマルガメートする新しいDEL融合フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-07T17:32:21Z)
• 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)
• 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)
• 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)
• ChemVise: Maximizing Out-of-Distribution Chemical Detection with the Novel Application of Zero-Shot Learning [60.02503434201552]
  本研究は,簡単な学習セットから複雑な露光の学習近似を提案する。 合成センサ応答に対するこのアプローチは, 分布外の化学分析物の検出を驚くほど改善することを示した。
  論文  参考訳（メタデータ） (2023-02-09T20:19:57Z)
• Learning To Navigate The Synthetically Accessible Chemical Space Using Reinforcement Learning [75.95376096628135]
  ド・ノボ薬物設計のための強化学習(RL)を利用した新しい前方合成フレームワークを提案する。 このセットアップでは、エージェントは巨大な合成可能な化学空間をナビゲートする。 本研究は,合成可能な化学空間を根本的に拡張する上で,エンド・ツー・エンド・トレーニングが重要なパラダイムであることを示す。
  論文  参考訳（メタデータ） (2020-04-26T21:40:03Z)
• Annotating and Extracting Synthesis Process of All-Solid-State Batteries from Scientific Literature [10.443499579567069]
  本稿では,全固体電池の合成プロセスの新たなコーパスと自動機械読み取りシステムを提案する。 本稿では,フローグラフを用いた合成プロセスの表現を定義し,243枚の論文の実験的セクションからコーパスを作成する。 この自動機械読取システムは、ディープラーニングベースのシーケンスタグと単純なルールベースの関係抽出器によって開発されている。
  論文  参考訳（メタデータ） (2020-02-18T02:30:03Z)

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。