論文の概要: Towards unearthing neglected climate innovations from scientific literature using Large Language Models

• arxiv url: http://arxiv.org/abs/2411.10055v1
• Date: Fri, 15 Nov 2024 09:17:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-18 15:39:33.147969
• Title: Towards unearthing neglected climate innovations from scientific literature using Large Language Models
• Title（参考訳）: 大規模言語モデルを用いた科学文献からの無視された気候変動の発見に向けて
• Authors: César Quilodrán-Casas, Christopher Waite, Nicole Alhadeff, Diyona Dsouza, Cathal Hughes, Larissa Kunstel-Tabet, Alyssa Gilbert,
• Abstract要約: この研究は、科学論文の包括的リポジトリであるOpenAlexから得られた、キュレートされたデータセットを用いている。 我々は,7次元の科学論文から,気候変動緩和の可能性,技術開発段階,展開準備状況について,題名と肩書きのペアを評価した。 次に、言語モデルのアウトプットを人間の評価と比較し、将来有望だが見落とされた気候のイノベーションを特定する効果を評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Climate change poses an urgent global threat, needing the rapid identification and deployment of innovative solutions. We hypothesise that many of these solutions already exist within scientific literature but remain underutilised. To address this gap, this study employs a curated dataset sourced from OpenAlex, a comprehensive repository of scientific papers. Utilising Large Language Models (LLMs), such as GPT4-o from OpenAI, we evaluate title-abstract pairs from scientific papers on seven dimensions, covering climate change mitigation potential, stage of technological development, and readiness for deployment. The outputs of the language models are then compared with human evaluations to assess their effectiveness in identifying promising yet overlooked climate innovations. Our findings suggest that these LLM-based models can effectively augment human expertise, uncovering climate solutions that are potentially impactful but with far greater speed, throughput and consistency. Here, we focused on UK-based solutions, but the workflow is region-agnostic. This work contributes to the discovery of neglected innovations in scientific literature and demonstrates the potential of AI in enhancing climate action strategies.
• Abstract（参考訳）: 気候変動は急激な世界的な脅威となり、革新的な解決策の迅速な識別と展開を必要としている。 我々は、これらの解の多くは、既に科学文献の中に存在するが、未利用のままである、と仮定する。 このギャップに対処するために、この研究では、科学論文の包括的なリポジトリであるOpenAlexをソースとした、キュレートされたデータセットを用いている。 OpenAI の GPT4-o などの大規模言語モデル (LLMs) を応用して, 気候変動緩和の可能性, 技術開発段階, 展開準備など, 7次元の科学的論文から題名抽出ペアを評価する。 次に、言語モデルのアウトプットを人間の評価と比較し、将来有望だが見落とされた気候のイノベーションを特定する効果を評価する。 我々の研究結果によると、これらのLCMベースのモデルは人間の専門知識を効果的に強化し、潜在的に影響を受けやすいがより高速、スループット、一貫性のある気候ソリューションを明らかにすることができる。 ここでは、英国ベースのソリューションにフォーカスしましたが、ワークフローは地域に依存しません。 この研究は、科学文献における無視されたイノベーションの発見に寄与し、気候変動対策戦略の強化におけるAIの可能性を示している。

関連論文リスト

• Two Heads Are Better Than One: A Multi-Agent System Has the Potential to Improve Scientific Idea Generation [48.29699224989952]
  VirSciは研究のアイデアを共同で生成し、評価し、洗練するエージェントのチームを組織している。 このマルチエージェントアプローチは、新規で影響力のある科学的アイデアを生み出す上で、最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-10-12T07:16:22Z)
• Towards Efficient Large Language Models for Scientific Text: A Review [4.376712802685017]
  大規模言語モデル(LLM)は、科学を含む様々な分野において複雑な情報を処理するための新しい時代を迎えている。 LLMのパワーのため、非常に高価な計算資源、大量のデータ、訓練時間が必要である。 近年、研究者は科学的LLMをより手頃な価格にするための様々な手法を提案している。
  論文  参考訳（メタデータ） (2024-08-20T10:57:34Z)
• DISCOVERYWORLD: A Virtual Environment for Developing and Evaluating Automated Scientific Discovery Agents [49.74065769505137]
  本研究では,新しい科学的発見の完全なサイクルを実行するエージェントの能力を開発し,ベンチマークする最初の仮想環境であるDiscoVERYWORLDを紹介する。 8つのトピックにまたがる120の異なる課題タスクが含まれており、3レベルの難易度といくつかのパラメトリックなバリエーションがある。 従来の環境においてよく機能する強力なベースラインエージェントが、ほとんどのdiscoVERYWORLDタスクに苦労していることがわかった。
  論文  参考訳（メタデータ） (2024-06-10T20:08:44Z)
• MASSW: A New Dataset and Benchmark Tasks for AI-Assisted Scientific Workflows [58.56005277371235]
  我々は,Multi-Aspect Summarization of ScientificAspectsに関する総合テキストデータセットであるMASSWを紹介する。 MASSWには過去50年間にわたる17の主要なコンピュータサイエンスカンファレンスから152,000以上の査読論文が含まれている。 我々は、この新しいデータセットを用いてベンチマーク可能な、複数の新しい機械学習タスクを通じて、MASSWの有用性を実証する。
  論文  参考訳（メタデータ） (2024-06-10T15:19:09Z)
• ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models [56.08917291606421]
  ResearchAgentは、大規模言語モデルによる研究アイデア作成エージェントである。 科学文献に基づいて繰り返し精製しながら、問題、方法、実験設計を生成する。 我々は、複数の分野にわたる科学論文に関するResearchAgentを実験的に検証した。
  論文  参考訳（メタデータ） (2024-04-11T13:36:29Z)
• Scientific Large Language Models: A Survey on Biological & Chemical Domains [47.97810890521825]
  大規模言語モデル(LLM)は、自然言語理解の強化において、変革的な力として現れてきた。 LLMの応用は従来の言語境界を超えて、様々な科学分野で開発された専門的な言語システムを含んでいる。 AI for Science(AI for Science)のコミュニティで急成長している分野として、科学LLMは包括的な探査を義務付けている。
  論文  参考訳（メタデータ） (2024-01-26T05:33:34Z)
• Automated Fact-Checking of Climate Change Claims with Large Language Models [3.1080484250243425]
  本稿では、気候変動の主張の事実チェックを自動化するために設計された、新しいAIベースのツールであるCliminatorを提案する。 Climinatorは、様々な科学的視点を合成するために、革新的なMediator-Advocateフレームワークを使用している。 我々のモデルは、気候フィードバックと懐疑的な科学から収集されたクレームをテストする際に、顕著な精度を示す。
  論文  参考訳（メタデータ） (2024-01-23T08:49:23Z)
• Analyzing Regional Impacts of Climate Change using Natural Language Processing Techniques [0.9387233631570752]
  我々は、気候学における特定の地理を特定するために、名前付きエンティティ認識(NER)にBERT(Bidirectional Representations from Transformers)を用いる。 地域ごとの気候傾向分析を行い、特定の地域での気候変動に関連する主要なテーマや関心点を特定する。 これらの地域固有の気候データの詳細な調査は、よりカスタマイズされた政策作成、適応、緩和戦略の作成を可能にする。
  論文  参考訳（メタデータ） (2024-01-11T16:44:59Z)
• Enhancing Large Language Models with Climate Resources [5.2677629053588895]
  大規模言語モデル(LLM)は、人間のようなテキストを生成する能力を示すことによって、人工知能のランドスケープを変革した。 しかし、彼らはしばしば不正確な言語を使うが、それは気候変動など、正確性が重要である領域では有害である。 本研究では,複数のソースにアクセスするエージェントとしてLLMの可能性を活かすために,近年のアイデアを活用している。 本研究では,ClimateWatchから放射データを取得するプロトタイプエージェントを用いて,本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-03-31T20:24:14Z)
• Remote sensing, AI and innovative prediction methods for adapting cities to the impacts of the climate change [0.0]
  リモートセンシング画像からインジケータを抽出するのに有用なAIベースのフレームワークを提案する。 これは多くの科学者にとってオープンフィールドであり、現在進行中の研究であり、AIベースの手法の課題と限界について深く議論しています。
  論文  参考訳（メタデータ） (2021-07-06T15:55:26Z)
• Applications of physics-informed scientific machine learning in subsurface science: A survey [64.0476282000118]
  地球系は、化石エネルギー探査、廃棄物処理、地質炭素隔離、再生可能エネルギー生成などの人間の活動によって変化した地質形成です。 したがって、ジオシステムの責任ある使用と探索は、効率的な監視、リスクアセスメント、および実用的な実装のための意思決定支援ツールに依存するジオシステムガバナンスにとって重要です。 近年の機械学習アルゴリズムと新しいセンシング技術の急速な進歩は、地下研究コミュニティがジオシステムガバナンスの有効性と透明性を向上させる新しい機会を提示しています。
  論文  参考訳（メタデータ） (2021-04-10T13:40:22Z)

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。