論文の概要: PolyRecommender: A Multimodal Recommendation System for Polymer Discovery
- arxiv url: http://arxiv.org/abs/2511.00375v1
- Date: Sat, 01 Nov 2025 03:13:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-05 16:37:26.747283
- Title: PolyRecommender: A Multimodal Recommendation System for Polymer Discovery
- Title（参考訳）: PolyRecommender: 高分子発見のためのマルチモーダルレコメンデーションシステム
- Authors: Xin Wang, Yunhao Xiao, Rui Qiao,
- Abstract要約: PolyRecommenderは、PolyBERTからの化学言語表現とグラフエンコーダからの分子グラフベースの表現を統合するフレームワークである。
我々の研究は、次世代高分子の発見のためのAI誘導設計を推進し、一般化可能なマルチモーダルパラダイムを確立する。
- 参考スコア（独自算出の注目度）: 7.670567890403068
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce PolyRecommender, a multimodal discovery framework that integrates chemical language representations from PolyBERT with molecular graph-based representations from a graph encoder. The system first retrieves candidate polymers using language-based similarity and then ranks them using fused multimodal embeddings according to multiple target properties. By leveraging the complementary knowledge encoded in both modalities, PolyRecommender enables efficient retrieval and robust ranking across related polymer properties. Our work establishes a generalizable multimodal paradigm, advancing AI-guided design for the discovery of next-generation polymers.
- Abstract（参考訳）: PolyRecommenderは、PolyBERTからの化学言語表現とグラフエンコーダからの分子グラフベースの表現を統合するマルチモーダルな発見フレームワークである。
このシステムはまず言語に基づく類似性を用いて候補ポリマーを検索し、その後、複数のターゲット特性に応じて融合したマルチモーダル埋め込みを用いてランク付けする。
両方のモダリティに符号化された相補的な知識を活用することで、PolyRecommenderは、関連するポリマーの性質をまたいだ効率的な検索とロバストなランキングを可能にする。
我々の研究は、次世代高分子の発見のためのAI誘導設計を推進し、一般化可能なマルチモーダルパラダイムを確立する。
関連論文リスト
- ToPolyAgent: AI Agents for Coarse-Grained Topological Polymer Simulations [0.0]
ToPolyAgentは、トポロジカルポリマーの分子動力学シミュレーションを実行するためのマルチエージェントAIフレームワークである。
多様なポリマーアーキテクチャをまたいだインタラクティブなシミュレーションと自律的なシミュレーションの両方をサポートする。
自律的でマルチエージェントな科学研究エコシステムの基礎を築いている。
論文 参考訳（メタデータ） (2025-10-14T02:54:19Z) - Learning Item Representations Directly from Multimodal Features for Effective Recommendation [51.49251689107541]
マルチモーダルレコメンデータシステムは、主にベイズパーソナライズされたランク付け(BPR)最適化を利用してアイテム表現を学習する。
本稿では,マルチモーダルな特徴からアイテム表現を直接学習し,推薦性能を向上する新しいモデル(LIRDRec)を提案する。
論文 参考訳（メタデータ） (2025-05-08T05:42:22Z) - Multimodal machine learning with large language embedding model for polymer property prediction [2.525624865489335]
本稿では,高分子特性予測タスクに対して,単純で効果的なマルチモーダルアーキテクチャであるPolyLLMemを提案する。
PolyLLMemは、Llama 3によって生成されたテキスト埋め込みとUni-Mol由来の分子構造埋め込みを統合する。
その性能は、グラフベースのモデルやトランスフォーマーベースのモデルと同等であり、場合によってはそれ以上である。
論文 参考訳（メタデータ） (2025-03-29T03:48:11Z) - MM-GEF: Multi-modal representation meet collaborative filtering [43.88159639990081]
本稿では,グラフアーリーフュージョンを用いたマルチモーダルレコメンデーション MM-GEF を提案する。
MM-GEFはマルチモーダル信号と協調信号の両方から得られる構造情報を注入することにより、洗練された項目表現を学習する。
論文 参考訳（メタデータ） (2023-08-14T15:47:36Z) - Polyp-PVT: Polyp Segmentation with Pyramid Vision Transformers [124.01928050651466]
本稿では,Polyp-PVTと呼ばれる新しいタイプのPolypセグメンテーション手法を提案する。
提案モデルであるPolyp-PVTは,特徴の雑音を効果的に抑制し,その表現能力を大幅に向上させる。
論文 参考訳（メタデータ） (2021-08-16T07:09:06Z) - Polygrammar: Grammar for Digital Polymer Representation and Generation [25.844658067090396]
本稿では,高分子の表現と生成に特化して設計されたパラメトリックな文脈感性文法を提案する。
実証的な例として,ポリウレタンの文法を実装した。
また、一般的なSMILES文字列形式からPolyGrammar表現にポリウレタン構造を変換するアルゴリズムも提示します。
論文 参考訳（メタデータ） (2021-05-05T15:43:29Z) - Copolymer Informatics with Multi-Task Deep Neural Networks [0.0]
コポリマーの性質予測の課題に取り組み、ホモポリマーを超えてポリマーインフォマティクスフレームワークを拡張します。
2つのモノマーのホモポリマーと共重合体のガラス転移、融解、分解温度の18,000以上のデータポイントを含む大きなデータセットを用いる。
開発されたモデルは、適切なデータが利用可能になったときに、よりコポリマー特性に正確、迅速、柔軟、スケーラブルです。
論文 参考訳（メタデータ） (2021-03-25T23:28:20Z)
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。