論文の概要: IR-Agent: Expert-Inspired LLM Agents for Structure Elucidation from Infrared Spectra

• arxiv url: http://arxiv.org/abs/2508.16112v1
• Date: Fri, 22 Aug 2025 06:07:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-25 16:42:36.262298
• Title: IR-Agent: Expert-Inspired LLM Agents for Structure Elucidation from Infrared Spectra
• Title（参考訳）: IR-Agent:赤外スペクトルからの構造解明のためのエキスパートインスパイアされたLLMエージェント
• Authors: Heewoong Noh, Namkyeong Lee, Gyoung S. Na, Kibum Kim, Chanyoung Park,
• Abstract要約: 我々は、IRスペクトルから分子構造を解明するための新しいマルチエージェントフレームワークIR-Agentを提案する。 このフレームワークは、専門家主導のIR分析手順をエミュレートするために設計されており、本質的にはそうである。各エージェントは、IR解釈の特定の側面を専門とし、それらの補完的な役割は統合推論を可能にする。
• 参考スコア（独自算出の注目度）: 27.70589578306254
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Spectral analysis provides crucial clues for the elucidation of unknown materials. Among various techniques, infrared spectroscopy (IR) plays an important role in laboratory settings due to its high accessibility and low cost. However, existing approaches often fail to reflect expert analytical processes and lack flexibility in incorporating diverse types of chemical knowledge, which is essential in real-world analytical scenarios. In this paper, we propose IR-Agent, a novel multi-agent framework for molecular structure elucidation from IR spectra. The framework is designed to emulate expert-driven IR analysis procedures and is inherently extensible. Each agent specializes in a specific aspect of IR interpretation, and their complementary roles enable integrated reasoning, thereby improving the overall accuracy of structure elucidation. Through extensive experiments, we demonstrate that IR-Agent not only improves baseline performance on experimental IR spectra but also shows strong adaptability to various forms of chemical information.
• Abstract（参考訳）: スペクトル分析は未知の物質を解明するための重要な手がかりとなる。 赤外線分光法(IR)は、高いアクセシビリティと低コストのため、実験室で重要な役割を担っている。 しかし、既存のアプローチは、しばしば専門的な分析過程を反映せず、様々な種類の化学知識を組み込む柔軟性に欠ける。 本稿では、IRスペクトルから分子構造を解明する新しい多エージェントフレームワークIR-Agentを提案する。 このフレームワークは、専門家主導のIR分析手順をエミュレートするために設計されており、本質的に拡張可能である。 それぞれのエージェントはIR解釈の特定の側面を専門とし、それらの補完的な役割は統合推論を可能にし、構造解明の全体的な精度を向上させる。 実験により、IR-Agentは実験IRスペクトルのベースライン性能を向上するだけでなく、様々な化学情報に強い適応性を示すことを示した。

関連論文リスト

• Language Models Can Understand Spectra: A Multimodal Model for Molecular Structure Elucidation [9.987376780022345]
  マルチモーダル分光関節推論をサポートするために設計された,最初の大規模言語モデルであるSpectraLLMを提案する。 連続的および離散的な分光モジュラリティを共有意味空間に統合することにより、SpectraLLMはスペクトル間で一貫性があり相補的な構造パターンを明らかにすることを学ぶ。 我々は、小分子領域におけるSpectraLLMの事前学習と微調整を行い、6つの標準化された公開化学データセットで評価する。
  論文  参考訳（メタデータ） (2025-08-04T13:33:38Z)
• An LLM Driven Agent Framework for Automated Infrared Spectral Multi Task Reasoning [4.934622388454071]
  大規模言語モデル(LLM)は複雑な科学的推論に有望な可能性を提供する。 本研究は,低データ条件下での精度,自動赤外スペクトル解釈を実現することの課題に対処する。 本稿では、構造化文献知識ベース、自動スペクトル前処理、マルチタスク推論を統合したエンドツーエンドの大規模言語モデル駆動エージェントフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-29T03:20:51Z)
• DiffSpectra: Molecular Structure Elucidation from Spectra using Diffusion Models [66.41802970528133]
  スペクトルからの分子構造解明は化学の基礎的な問題である。 従来の手法は専門家の解釈に大きく依存し、拡張性に欠ける。 マルチモーダルスペクトルデータから2次元および3次元分子構造を直接推定する生成フレームワークであるDiffSpectraを提案する。
  論文  参考訳（メタデータ） (2025-07-09T13:57:20Z)
• Elucidating and Endowing the Diffusion Training Paradigm for General Image Restoration [73.4733153072447]
  拡散モデルは、画像復元(IR)タスクにおいて強力な生成能力を示す。 それらの複雑なアーキテクチャと反復的なプロセスは、主流の再構築ベースの一般的な一般的なIRネットワークと比較して実用的応用を制限している。 既存のアプローチは主にネットワークアーキテクチャと拡散経路の最適化に重点を置いているが、一般的なIRフレームワークにおける拡散訓練パラダイムの統合を見落としている。
  論文  参考訳（メタデータ） (2025-06-26T19:14:27Z)
• Multi-Domain Biometric Recognition using Body Embeddings [51.36007967653781]
  身体埋め込みは中波長赤外線(MWIR)領域と長波長赤外線(LWIR)領域の顔埋め込みよりも優れていた。 我々は、IJB-MDFデータセット上でのベンチマーク結果を確立するために、ビジョントランスフォーマーアーキテクチャを活用している。 また, クロスエントロピーとトリプルト損失の単純な組み合わせで, VISデータにのみ事前訓練された体モデルを微調整することで, 最先端のmAPスコアが得られることを示す。
  論文  参考訳（メタデータ） (2025-03-13T22:38:18Z)
• Deep Learning Domain Adaptation to Understand Physico-Chemical Processes from Fluorescence Spectroscopy Small Datasets: Application to Ageing of Olive Oil [4.14360329494344]
  蛍光分光法は生命科学や化学の基本的な道具であり、環境モニタリング、食品品質管理、生物医学診断などの応用に広く用いられている。 深層学習を用いた分光データの解析、特に蛍光励起放出行列(EEM)は、通常、小さくてスパースなデータセットが利用できるため、大きな課題を提起する。 本研究では、これらの課題に対処する新しい解釈可能性アルゴリズムとともに、事前学習された視覚モデルによるドメイン適応を利用する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2024-06-14T13:41:21Z)
• Generalization Error Analysis for Sparse Mixture-of-Experts: A Preliminary Study [65.11303133775857]
  Mixture-of-Experts (MoE)計算アマルガメート予測 Sparse MoEは、限られた数、あるいは1つの専門家だけを選択的に扱うことで、経験的に保存され、時にはパフォーマンスが向上する一方で、オーバーヘッドを大幅に削減する。
  論文  参考訳（メタデータ） (2024-03-26T05:48:02Z)
• ChemMiner: A Large Language Model Agent System for Chemical Literature Data Mining [56.15126714863963]
  ChemMinerは、文学から化学データを抽出するエンドツーエンドのフレームワークである。 ChemMinerには、コア参照マッピングのためのテキスト分析エージェント、非テキスト情報抽出のためのマルチモーダルエージェント、データ生成のための合成分析エージェントの3つの特殊エージェントが組み込まれている。 実験の結果,ヒト化学者に匹敵する反応同定率を示すとともに,高い精度,リコール,F1スコアで処理時間を著しく短縮した。
  論文  参考訳（メタデータ） (2024-02-20T13:21:46Z)
• Infrared Spectra Prediction for Diazo Groups Utilizing a Machine Learning Approach with Structural Attention Mechanism [0.0]
  赤外分光法は、分子構造や力学を振動や回転の遷移を通じて解明する化学研究において重要な技術である。 本稿では、特にジアゾ化合物の赤外スペクトルの予測と解釈を強化するために、構造的注意機構を用いた機械学習手法を提案する。
  論文  参考訳（メタデータ） (2024-02-05T15:44:43Z)
• Multilingual Multi-Aspect Explainability Analyses on Machine Reading Comprehension Models [76.48370548802464]
  本稿では,マルチヘッド自己注意と最終MRCシステム性能の関係を検討するために,一連の解析実験を実施することに焦点を当てる。 問合せ及び問合せ理解の注意が問合せプロセスにおいて最も重要なものであることが判明した。 包括的可視化とケーススタディを通じて、注意マップに関するいくつかの一般的な知見も観察し、これらのモデルがどのように問題を解くかを理解するのに役立ちます。
  論文  参考訳（メタデータ） (2021-08-26T04:23:57Z)
• Deep Neural Networks for the Correction of Mie Scattering in Fourier-Transformed Infrared Spectra of Biological Samples [0.0]
  本稿では,この複雑な前処理関数をディープニューラルネットワークを用いて近似する手法を提案する。 提案手法は, 時間と補正スペクトルとのトレードオフを克服し, 人工基準スペクトルに偏りを生じさせる。
  論文  参考訳（メタデータ） (2020-02-18T16:07:07Z)

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。