論文の概要: Domain adaptation of large language models for geotechnical applications

• arxiv url: http://arxiv.org/abs/2507.05613v1
• Date: Tue, 08 Jul 2025 02:45:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-09 16:34:37.533847
• Title: Domain adaptation of large language models for geotechnical applications
• Title（参考訳）: 地学応用のための大規模言語モデルのドメイン適応
• Authors: Lei Fan, Fangxue Liu, Cheng Chen,
• Abstract要約: 本稿では,地球工学における大規模言語モデル(LLM)の適応と適用に関する最初の調査について述べる。 ジオテクニカルドメインへの適応のための重要な方法論を概説しており、即時エンジニアリング、検索拡張生成、ドメイン適応型事前トレーニング、微調整などがある。 この調査では、地質学的解釈、地下特性解析、サイトプランニング、設計計算、数値モデリング、安全性とリスク評価、教育授業など、地質学的に適応したLLMの最先端の応用について検討した。
• 参考スコア（独自算出の注目度）: 3.839199344030664
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent developments in large language models (LLMs) are opening up new opportunities in geotechnical engineering and engineering geology. While general-purpose LLMs possess broad capabilities, effective application in geotechnics often requires domain-specific adaptation. Such tailored LLMs are increasingly employed to streamline geotechnical workflows. This paper presents the first survey of the adaptation and application of LLMs in geotechnical engineering. It outlines key methodologies for adaptation to geotechnical domain, including prompt engineering, retrieval-augmented generation, domain-adaptive pretraining, and fine-tuning. The survey examines the state-of-the-art applications of geotechnical-adapted LLMs, including geological interpretation, subsurface characterization, site planning, design calculations, numerical modeling, safety and risk assessment, and educational tutoring. It also analyzes benefits and limitations of geotechnical-adapted LLMs, and identifies promising directions for future research in this interdisciplinary discipline. The findings serve as a valuable resource for practitioners seeking to integrate LLMs into geotechnical practice, while also providing a foundation to stimulate further investigation within the academic community.
• Abstract（参考訳）: 大規模言語モデル(LLM)の最近の発展は、地質工学と工学の地質学における新たな機会を開きつつある。 汎用LLMは幅広い能力を持つが、ジオテクニクスの効果的な応用にはドメイン固有の適応が必要であることが多い。 このような調整されたLLMは、ジオテクニカルなワークフローの合理化にますます利用されている。 本稿では,地盤工学におけるLLMの適応と適用に関する第1回調査について述べる。 ジオテクニカルドメインへの適応のための重要な方法論を概説しており、即時エンジニアリング、検索拡張生成、ドメイン適応型事前トレーニング、微調整などがある。 この調査では、地質学的解釈、地下特性解析、サイトプランニング、設計計算、数値モデリング、安全性とリスク評価、教育授業など、地質学的に適応したLLMの最先端の応用について検討した。 また、地球工学に適応したLLMの利点と限界を分析し、この学際分野における将来の研究の方向性を明らかにする。 この発見は、LLMを地学的な実践に組み込もうとする実践者にとって貴重な資源となり、同時に学術コミュニティ内でさらなる調査を促進する基盤も提供する。

関連論文リスト

• Future-proofing geotechnics workflows: accelerating problem-solving with large language models [2.8414492326907577]
  本稿は,東京で開催されているハンズオンワークショップにおいて,大規模言語モデルの地工学への応用を探求するものである。 本稿は,LLMが地学工学の実践を変革する可能性について論じ,基礎データ解析から複雑な問題解決まで,様々なタスクの処理能力を強調した。
  論文  参考訳（メタデータ） (2023-12-14T05:17:27Z)
• K2: A Foundation Language Model for Geoscience Knowledge Understanding and Utilization [105.89544876731942]
  大規模言語モデル(LLM)は自然言語処理の一般分野において大きな成功を収めている。 我々は、地球科学におけるLLM研究をさらに促進するために開発された一連の資源とともに、地球科学における最初のLLMであるK2を提示する。
  論文  参考訳（メタデータ） (2023-06-08T09:29:05Z)
• Domain Specialization as the Key to Make Large Language Models Disruptive: A Comprehensive Survey [100.24095818099522]
  大規模言語モデル(LLM)は自然言語処理(NLP)の分野を著しく進歩させた。 広範囲のアプリケーションに対して、非常に有用でタスクに依存しない基盤を提供する。 しかし、特定の領域における洗練された問題を解決するために直接LLMを適用することは、多くのハードルを満たす。
  論文  参考訳（メタデータ） (2023-05-30T03:00:30Z)
• Geotechnical Parrot Tales (GPT): Harnessing Large Language Models in geotechnical engineering [2.132096006921048]
  GPTモデルは可聴音を生成できるが、偽の出力を生成でき、幻覚を引き起こす。 GPTをジオエンジニアリングに統合することで、プロフェッショナルは作業を合理化し、持続的で回復力のあるインフラシステムを開発することができる。
  論文  参考訳（メタデータ） (2023-04-04T21:47:41Z)
• 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。