論文の概要: General purpose models for the chemical sciences

• arxiv url: http://arxiv.org/abs/2507.07456v1
• Date: Thu, 10 Jul 2025 06:18:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-11 16:40:15.290317
• Title: General purpose models for the chemical sciences
• Title（参考訳）: 化学科学の汎用モデル
• Authors: Nawaf Alampara, Anagha Aneesh, Martiño Ríos-García, Adrian Mirza, Mara Schilling-Wilhelmi, Ali Asghar Aghajani, Meiling Sun, Gordan Prastalo, Kevin Maik Jablonka,
• Abstract要約: 汎用モデル(GPM)は、直接訓練されていないタスクを解く能力を示している。 GPMは、異なるフォーマットで少量のデータで柔軟に操作できる。
• 参考スコア（独自算出の注目度）: 0.25450443193890726
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Data-driven techniques have a large potential to transform and accelerate the chemical sciences. However, chemical sciences also pose the unique challenge of very diverse, small, fuzzy datasets that are difficult to leverage in conventional machine learning approaches completely. A new class of models, general-purpose models (GPMs) such as large language models, have shown the ability to solve tasks they have not been directly trained on, and to flexibly operate with low amounts of data in different formats. In this review, we discuss fundamental building principles of GPMs and review recent applications of those models in the chemical sciences across the entire scientific process. While many of these applications are still in the prototype phase, we expect that the increasing interest in GPMs will make many of them mature in the coming years.
• Abstract（参考訳）: データ駆動技術は、化学科学を変革し、加速する大きな可能性を秘めている。 しかし、化学科学は、従来の機械学習アプローチで完全に活用することが難しい非常に多様で、小さく、ファジィなデータセットというユニークな課題も生み出す。 大規模言語モデルのような新しいモデルのクラス、汎用モデル(GPM)は、直接訓練されていないタスクを解く能力を示し、異なるフォーマットで少量のデータで柔軟に操作できることを示した。 本稿では,GPMの基本的な構築原理について論じ,これらのモデルが科学プロセス全体にわたって化学科学に応用されていることを概観する。 これらのアプリケーションの多くはまだプロトタイプ段階にあるが、GPMへの関心が高まり、今後数年で成熟すると予想している。

関連論文リスト

• SciVid: Cross-Domain Evaluation of Video Models in Scientific Applications [63.92604046592333]
  ビデオファウンデーションモデル(FM)は、汎用ドメインに依存しないアプローチとしてかなりの可能性を秘めている。 SciVidは、医療コンピュータビジョン、動物行動、天気予報の5つのタスクからなるベンチマークである。 簡単なトレーニング可能な読み出しモジュールを用いて6つの主要なViFMをSciVidに適用し、強力なベースラインを確立し、効果的な転送学習の可能性を示す。
  論文  参考訳（メタデータ） (2025-07-04T13:48:12Z)
• ChemDFM-X: Towards Large Multimodal Model for Chemistry [16.811223849365483]
  化学用クロスモーダル対話基盤モデル(ChemDFM-X)について紹介する。 近似計算とタスク固有モデル予測により、初期モダリティから、多様なマルチモーダルデータを生成する。 ChemDFM-Xは、様々なデータモダリティを持つ様々な化学タスクの広範な実験で評価される。
  論文  参考訳（メタデータ） (2024-09-20T03:55:34Z)
• Improving Molecular Modeling with Geometric GNNs: an Empirical Study [56.52346265722167]
  本稿では,異なる標準化手法,(2)グラフ作成戦略,(3)補助的なタスクが性能,拡張性,対称性の強制に与える影響に焦点をあてる。 本研究の目的は,分子モデリングタスクに最適なモデリングコンポーネントの選択を研究者に案内することである。
  論文  参考訳（メタデータ） (2024-07-11T09:04:12Z)
• ChemLLM: A Chemical Large Language Model [49.308528569982805]
  大規模言語モデル(LLM)は化学応用において顕著な進歩を遂げた。 しかし、コミュニティには化学に特化したLLMが欠落している。 本稿では,化学に特化した最初のLLMを特徴とする包括的フレームワークであるChemLLMを紹介する。
  論文  参考訳（メタデータ） (2024-02-10T01:11:59Z)
• Transformers and Large Language Models for Chemistry and Drug Discovery [0.4769602527256662]
  言語モデリングは、主にTransformerアーキテクチャの発明によって、ここ数年で目覚ましい進歩を遂げてきた。 トランスフォーマーは、再合成計画や化学宇宙探査など、薬物発見プロセスにおける重要なボトルネックに取り組む。 新しい傾向は、大規模言語モデルにおける最近の発展を活用し、化学における一般的なタスクを解くことができるモデルの波を生み出している。
  論文  参考訳（メタデータ） (2023-10-09T18:40:04Z)
• A Systematic Survey of Chemical Pre-trained Models [38.57023440288189]
  ディープニューラルネットワーク(DNN)をスクラッチからトレーニングするには、しばしば大量のラベル付き分子を必要とする。 この問題を緩和するため、分子事前学習モデル(CPM)に多大な努力が注がれている。 CPMは、大規模未ラベルの分子データベースを使用して事前訓練され、特定の下流タスクに対して微調整される。
  論文  参考訳（メタデータ） (2022-10-29T03:53:11Z)
• MolGenSurvey: A Systematic Survey in Machine Learning Models for Molecule Design [46.06839497430207]
  大きな探索空間のため、人間の専門家は湿式実験で全ての分子を列挙してテストすることは不可能である。 機械学習手法の急速な開発により、分子設計は機械学習モデルを利用して候補分子を生成することで大きな進歩を遂げた。
  論文  参考訳（メタデータ） (2022-03-28T05:05:11Z)
• Which priors matter? Benchmarking models for learning latent dynamics [70.88999063639146]
  古典力学の先行概念を機械学習モデルに統合する手法が提案されている。 これらのモデルの現在の機能について、精査する。 連続的および時間的可逆的ダイナミクスの使用は、すべてのクラスのモデルに恩恵をもたらす。
  論文  参考訳（メタデータ） (2021-11-09T23:48:21Z)
• Learning Latent Space Energy-Based Prior Model for Molecule Generation [59.875533935578375]
  分子モデリングのためのSMILES表現を用いた潜時空間エネルギーに基づく先行モデルについて学習する。 本手法は,最先端モデルと競合する妥当性と特異性を持つ分子を生成することができる。
  論文  参考訳（メタデータ） (2020-10-19T09:34:20Z)

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。