論文の概要: Model Gateway: Model Management Platform for Model-Driven Drug Discovery

• arxiv url: http://arxiv.org/abs/2512.05462v1
• Date: Fri, 05 Dec 2025 06:39:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-13 22:40:56.92205
• Title: Model Gateway: Model Management Platform for Model-Driven Drug Discovery
• Title（参考訳）: Model Gateway: モデル駆動ドラッグディスカバリのためのモデル管理プラットフォーム
• Authors: Yan-Shiun Wu, Nathan A. Morin,
• Abstract要約: Model Gatewayは、薬物発見パイプラインで機械学習(ML)と科学計算モデルを管理するための管理プラットフォームである。 このプラットフォームは、MLモデル管理タスクを実行するために、Large Language Model (LLM) AgentsとGenerative AIベースのツールをサポートする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents the Model Gateway, a management platform for managing machine learning (ML) and scientific computational models in the drug discovery pipeline. The platform supports Large Language Model (LLM) Agents and Generative AI-based tools to perform ML model management tasks in our Machine Learning operations (MLOps) pipelines, such as the dynamic consensus model, a model that aggregates several scientific computational models, registration and management, retrieving model information, asynchronous submission/execution of models, and receiving results once the model complete executions. The platform includes a Model Owner Control Panel, Platform Admin Tools, and Model Gateway API service for interacting with the platform and tracking model execution. The platform achieves a 0% failure rate when testing scaling beyond 10k simultaneous application clients consume models. The Model Gateway is a fundamental part of our model-driven drug discovery pipeline. It has the potential to significantly accelerate the development of new drugs with the maturity of our MLOps infrastructure and the integration of LLM Agents and Generative AI tools.
• Abstract（参考訳）: 本稿では、薬物発見パイプラインにおける機械学習(ML)と科学計算モデルを管理するための管理プラットフォームであるModel Gatewayについて述べる。 このプラットフォームは、動的コンセンサスモデル、いくつかの科学的計算モデルを集約するモデル、登録と管理、モデル情報の検索、モデルの非同期の提出/実行、モデルの実行が完了すると結果を受け取るなど、機械学習操作(MLOps)パイプラインでMLモデル管理タスクを実行するためのエージェントと生成AIベースのツールをサポートします。 プラットフォームには、モデルオーナコントロールパネル、プラットフォーム管理者ツール、プラットフォームとのインタラクションとモデル実行のトラッキングのためのModel Gateway APIサービスが含まれている。 10万以上の同時アプリケーションクライアントがモデルを消費した場合、プラットフォームは0%の障害率を達成する。 Model Gatewayは、当社のモデル駆動型ドラッグディスカバリパイプラインの基本部分です。 MLOpsインフラストラクチャの成熟とLLM AgentsとGenerative AIツールの統合により、新薬の開発を著しく加速する可能性がある。

関連論文リスト

• OptMerge: Unifying Multimodal LLM Capabilities and Modalities via Model Merging [124.91183814854126]
  モデルマージは、複数のエキスパートモデルをひとつのモデルに組み合わせようとしている。 本稿ではMLLMのトレーニングと評価のタスクを明確に分割したモデルマージ研究のベンチマークを紹介する。 モデルマージは、トレーニングデータを必要とせずに改善されたMLLMを構築するための有望な方法であることがわかった。
  論文  参考訳（メタデータ） (2025-05-26T12:23:14Z)
• LLM-enabled Instance Model Generation [4.52634430160579]
  本研究では,大規模言語モデル(LLM)を用いたインスタンスモデルの生成について検討する。 まず、LLMを用いて、必要なすべてのインスタンスモデル情報を含む簡易な構造化出力を生成し、その中間表現を有効なXMIファイルにコンパイルする。 提案手法は, 実例モデル生成タスクにおけるLCMのユーザビリティを著しく向上することを示す。
  論文  参考訳（メタデータ） (2025-03-28T16:34:29Z)
• Exploring Model Kinship for Merging Large Language Models [73.98345036483299]
  我々は, モデル進化を反復的融合を通じて研究し, 生物進化の類似性について考察した。 モデル親和性はマージによって達成された性能改善と密接に関連していることを示す。 本稿では,新しいモデル統合戦略を提案する。
  論文  参考訳（メタデータ） (2024-10-16T14:29:29Z)
• Model Callers for Transforming Predictive and Generative AI Applications [2.7195102129095003]
  モデル呼び出し(model caller)と呼ばれる新しいソフトウェア抽象化を導入する。 モデル呼び出しは、AIとMLモデル呼び出しの仲介役として機能する。 我々は、モデル呼び出しのためのPythonライブラリのプロトタイプをリリースした。
  論文  参考訳（メタデータ） (2024-04-17T12:21:06Z)
• Productively Deploying Emerging Models on Emerging Platforms: A Top-Down Approach for Testing and Debugging [20.873143073842705]
  textscTapMLは、さまざまなプラットフォームでのモデルのデプロイを合理化するために設計されたトップダウンのアプローチである。 textscTapMLは、新興MLモデルをデプロイするMLC-LLMプロジェクトにおいて、デフォルトの開発メソッドとして使用されている。 2年以内に、textscTapMLは、5つの新興プラットフォームにまたがる27のモデルアーキテクチャに105の新興モデルのデプロイを加速した。
  論文  参考訳（メタデータ） (2024-04-14T06:09:35Z)
• Model Share AI: An Integrated Toolkit for Collaborative Machine Learning Model Development, Provenance Tracking, and Deployment in Python [0.0]
  モデル共有AI(AIMS)は、コラボレーティブモデル開発、モデル前駆者追跡、モデルデプロイメントを合理化するように設計された、使いやすいMLOpsプラットフォームである。 AIMSは、協調的なプロジェクト空間と、見当たらない評価データに基づいてモデル提出をランク付けする標準化されたモデル評価プロセスを備えている。 AIMSでは、Scikit-Learn、Keras、PyTorch、ONNXで構築されたMLモデルを、ライブREST APIや自動生成されたWebアプリにデプロイすることができる。
  論文  参考訳（メタデータ） (2023-09-27T15:24:39Z)
• ModelScope-Agent: Building Your Customizable Agent System with Open-source Large Language Models [74.64651681052628]
  本稿では,オープンソースのLCMをコントローラとする実世界のアプリケーションのためのカスタマイズ可能なエージェントフレームワークであるModelScope-Agentを紹介する。 ユーザフレンドリーなシステムライブラリを提供し、カスタマイズ可能なエンジン設計により、複数のオープンソースLLMでモデルトレーニングをサポートする。 ツール使用データ収集、ツール検索、ツール登録、メモリ制御、カスタマイズされたモデルトレーニング、評価にまたがる包括的なフレームワークが提案されている。
  論文  参考訳（メタデータ） (2023-09-02T16:50:30Z)
• Predictable MDP Abstraction for Unsupervised Model-Based RL [93.91375268580806]
  予測可能なMDP抽象化(PMA)を提案する。 元のMDPで予測モデルを訓練する代わりに、学習されたアクション空間を持つ変換MDPでモデルを訓練する。 我々はPMAを理論的に解析し、PMAが以前の教師なしモデルベースRLアプローチよりも大幅に改善することを示す。
  論文  参考訳（メタデータ） (2023-02-08T07:37:51Z)
• Dataless Knowledge Fusion by Merging Weights of Language Models [47.432215933099016]
  微調整された事前学習言語モデルは、下流のNLPモデルを構築するための主要なパラダイムとなっている。 これは、より優れた単一モデルを生み出すために、個々のモデル間で知識を融合させる障壁を生み出します。 パラメータ空間のモデルをマージするデータレス知識融合法を提案する。
  論文  参考訳（メタデータ） (2022-12-19T20:46:43Z)

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。