Fugu-MT 論文翻訳(概要): LLMs-Powered Accurate Extraction, Querying and Intelligent Management of Literature derived 2D Materials Data

論文の概要: LLMs-Powered Accurate Extraction, Querying and Intelligent Management of Literature derived 2D Materials Data

arxiv url: http://arxiv.org/abs/2511.20691v1
Date: Sat, 22 Nov 2025 04:09:53 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-27 18:37:58.753201
Title: LLMs-Powered Accurate Extraction, Querying and Intelligent Management of Literature derived 2D Materials Data
Title（参考訳）: LLMによる2次元資料データの抽出・クエリ・インテリジェント管理
Authors: Lijun Shang, Yadong Yu, Wenqiang Kang, Jian Zhou, Dongyue Gao, Pan Xiang, Zhe Liu, Mengyan Dai, Zhonglu Guo, Zhimei Sun,
Abstract要約: 2次元材料はエネルギー貯蔵と変換に広く応用されている。資料の財産や製法などの貴重な情報は、公表された研究論文に含まれている。
参考スコア（独自算出の注目度）: 4.832622621514935
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Two-dimensional (2D) materials have showed widespread applications in energy storage and conversion owning to their unique physicochemical, and electronic properties. Most of the valuable information for the materials, such as their properties and preparation methods, is included in the published research papers. However, due to the dispersion of synthe
Abstract（参考訳）: 2次元(2D)材料は、そのユニークな物理化学的性質と電子的性質を所有するエネルギー貯蔵と変換に広く応用されている。資料の財産や製法などの貴重な情報は、公表された研究論文に含まれている。しかし、合成の分散により、

関連論文リスト

Materials Generation in the Era of Artificial Intelligence: A Comprehensive Survey [54.40267149907223]
材料は現代社会の基礎であり、エネルギー、エレクトロニクス、医療、交通、インフラの進歩を支えている。高度に調整された特性を持つ新しい材料を発見・設計する能力は、世界的課題の解決に不可欠である。データ駆動生成モデルは、事前定義された特性要件を満たす新しい材料を直接作成することによって、材料設計のための強力なツールを提供する。
論文参考訳（メタデータ） (2025-05-22T08:33:21Z)
Discovery of sustainable energy materials via the machine-learned material space [0.0]
機械学習モデルにより,ユーザのバイアスを伴わずに,材料空間の理解が得られることを示す。エネルギー関連技術における重要な物質に対する、より持続可能な代替手段を特定するために、学習した物質空間をどのように利用できるかを示す。
論文参考訳（メタデータ） (2025-01-10T12:00:08Z)
Smart Data-Driven GRU Predictor for SnO$_2$ Thin films Characteristics [0.0]
多くの材料にとって、可用性と安全なアクセシビリティを保証することは、必ずしも容易であり、完全に保証されているとは限らない。 X線回折(X-ray diffraction)は、結晶性1d, 2d, 3d材料の構造特性からデータを収集する、よく知られた、広く使われているキャラクタリゼーション技術である。本稿では,スズ酸化物SnO$(110)の薄膜の構造特性や特性を予測するGated Recurrent UnitモデルのためのSmart GRUを提案する。
論文参考訳（メタデータ） (2024-09-18T08:05:08Z)
MaterialSeg3D: Segmenting Dense Materials from 2D Priors for 3D Assets [63.284244910964475]
本稿では,2次元のセマンティクスから基礎となる物質を推定する3次元アセット素材生成フレームワークを提案する。このような先行モデルに基づいて,材料を三次元空間で解析する機構を考案する。
論文参考訳（メタデータ） (2024-04-22T07:00:17Z)
ChemMiner: A Large Language Model Agent System for Chemical Literature Data Mining [56.15126714863963]
ChemMinerは、文学から化学データを抽出するエンドツーエンドのフレームワークである。 ChemMinerには、コア参照マッピングのためのテキスト分析エージェント、非テキスト情報抽出のためのマルチモーダルエージェント、データ生成のための合成分析エージェントの3つの特殊エージェントが組み込まれている。実験の結果,ヒト化学者に匹敵する反応同定率を示すとともに,高い精度,リコール,F1スコアで処理時間を著しく短縮した。
論文参考訳（メタデータ） (2024-02-20T13:21:46Z)
Discovery of 2D materials using Transformer Network based Generative Design [0.0]
トランスフォーマーをベースとした自己学習型ニューラルネットワークモデルを用いて,2つの2次元材料合成ジェネレータを訓練する。その後、モデルは多数の候補となる2D合成を生成するために使用され、結晶構造予測のために既知の2D材料テンプレートに供給される。我々は,NiCl$_4$,IrSBr,CuBr$_3$,CoBrClの4つの新しいDFT認定安定2D材料について報告する。
論文参考訳（メタデータ） (2023-01-14T05:59:38Z)
BIGDML: Towards Exact Machine Learning Force Fields for Materials [55.944221055171276]
機械学習力場(MLFF)は正確で、計算的で、データ効率が良く、分子、材料、およびそれらのインターフェースに適用できなければならない。ここでは、Bravais-Inspired Gradient-Domain Machine Learningアプローチを導入し、わずか10-200原子のトレーニングセットを用いて、信頼性の高い力場を構築する能力を実証する。
論文参考訳（メタデータ） (2021-06-08T10:14:57Z)
Computational discovery of new 2D materials using deep learning generative models [6.918364447822299]
2次元(2次元)材料は多くの適用の有望な機能材料として現われました。ランダムな森林ベースの2次元材料と組み合わせた組成生成のためのディープラーニング生成モデルを提案する。 267,489の新しい2D材料組成を発見し、12の2D/多層材料を確認しました。
論文参考訳（メタデータ） (2020-12-16T23:10:48Z)

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。