論文の概要: Meta-GPT: Decoding the Metasurface Genome with Generative Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2512.12888v1
• Date: Mon, 15 Dec 2025 00:09:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.484082
• Title: Meta-GPT: Decoding the Metasurface Genome with Generative Artificial Intelligence
• Title（参考訳）: Meta-GPT: 生成人工知能による表層ゲノムのデコード
• Authors: David Dang, Stuart Love, Meena Salib, Quynh Dang, Samuel Rothfarb, Mysk Alnatour, Andrew Salij, Hou-Tong Chen, Ho Wai, Lee, Wilton J. M. Kort-Kamp,
• Abstract要約: 本稿では,ナノ構造をテキストシーケンスとして表現するフォトニクスのシンボル言語METASTRINGSを紹介する。 我々は、METASTRINGSで訓練された基礎トランスフォーマーモデルを構築し、物理インフォームされた教師付き、強化、思考の連鎖学習で微調整する。 その結果,Meta-GPTはMETASTRINGSを通して光-光相互作用の合成規則を学習できることがわかった。
• 参考スコア（独自算出の注目度）: 0.4964239559434301
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Advancing artificial intelligence for physical sciences requires representations that are both interpretable and compatible with the underlying laws of nature. We introduce METASTRINGS, a symbolic language for photonics that expresses nanostructures as textual sequences encoding materials, geometries, and lattice configurations. Analogous to molecular textual representations in chemistry, METASTRINGS provides a framework connecting human interpretability with computational design by capturing the structural hierarchy of photonic metasurfaces. Building on this representation, we develop Meta-GPT, a foundation transformer model trained on METASTRINGS and finetuned with physics-informed supervised, reinforcement, and chain-of-thought learning. Across various design tasks, the model achieves <3% mean-squared spectral error and maintains >98% syntactic validity, generating diverse metasurface prototypes whose experimentally measured optical responses match their target spectra. These results demonstrate that Meta-GPT can learn the compositional rules of light-matter interactions through METASTRINGS, laying a rigorous foundation for AI-driven photonics and representing an important step toward a metasurface genome project.
• Abstract（参考訳）: 物理科学のための人工知能の発展には、解釈可能であり、基礎となる自然法則と互換性のある表現が必要である。 我々は,ナノ構造を表現するフォトニクスのシンボル言語METASTRINGSを紹介した。 METASTRINGSは、化学における分子のテキスト表現と類似して、フォトニックなメタ曲面の構造的階層を捉え、人間の解釈可能性と計算設計を結びつける枠組みを提供する。 この表現に基づいてMeta-GPTを開発した。Meta-GPTはMETASTRINGSで訓練された基礎トランスフォーマーモデルであり,物理情報を用いた教師付き,強化,思考の連鎖学習によって微調整される。 様々な設計課題において、平均2乗スペクトル誤差3%を達成し、98%の構文的妥当性を維持し、実験的に測定された光学応答が対象のスペクトルと一致した多様な準曲面プロトタイプを生成する。 これらの結果は,Meta-GPTがMETASTRINGSを介して光物質相互作用の合成規則を学習し,AI駆動フォトニクスの厳密な基盤を築き,メタサイトゲノムプロジェクトに向けた重要なステップを表現していることを示している。

関連論文リスト

• HyperST: Hierarchical Hyperbolic Learning for Spatial Transcriptomics Prediction [27.112338738174614]
  組織像から遺伝子発現を予測することは、高価なST技術に代わる費用対効果がある。 ハイパーボリック空間内のデータ固有の階層をモデル化し,マルチレベルな画像生成表現を学習する,ST予測のためのフレームワークHyperSTを提案する。 HyperSTは、異なる組織から4つのパブリックデータセットで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-11-27T04:56:16Z)
• Foundation Models for Discovery and Exploration in Chemical Space [57.97784111110166]
  MISTは、大規模なラベルなしデータセットに基づいて訓練された分子基盤モデルのファミリーである。 我々は、これらのモデルが化学空間をまたいだ現実世界の問題を解決する能力を実証する。
  論文  参考訳（メタデータ） (2025-10-20T17:56:01Z)
• Chat to Chip: Large Language Model Based Design of Arbitrarily Shaped Metasurfaces [1.7706010980924418]
  LLMはスペクトル予測と逆設計に必要な物理的関係を学習できることを示す。 この"chat-to-chip"ワークフローは、よりユーザフレンドリーなデータ駆動ナノフォトニクスへの一歩である。
  論文  参考訳（メタデータ） (2025-09-29T02:24:57Z)
• WaveMind: Towards a Conversational EEG Foundation Model Aligned to Textual and Visual Modalities [55.00677513249723]
  脳波信号は認知過程と固有の神経状態の両方を同時に符号化する。 我々は、EEG信号とその対応するモダリティを統一意味空間にマッピングし、一般化された解釈を実現する。 結果として得られたモデルは、柔軟でオープンな会話をサポートしながら、堅牢な分類精度を示す。
  論文  参考訳（メタデータ） (2025-09-26T06:21:51Z)
• MetaGen: A DSL, Database, and Benchmark for VLM-Assisted Metamaterial Generation [25.181982772360612]
  メタマテリアルは、幾何学が非常に自明な性質を与えるマイクロアーキテクチャ構造である。 しかし、それらの設計は、幾何学的な複雑さとアーキテクチャから振る舞いへの非自明なマッピングのために難しい。 これらの課題に3つの補完的な貢献で対処する。
  論文  参考訳（メタデータ） (2025-08-25T00:36:07Z)
• MATHGLANCE: Multimodal Large Language Models Do Not Know Where to Look in Mathematical Diagrams [65.02628814094639]
  ダイアグラムは視覚言語の基本形として機能し、複雑な概念と、構造化されたシンボル、形状、空間的配置を通してそれらの相互関係を表現する。 現在のベンチマークでは知覚と推論のタスクが明確化されており、マルチモーダルな大規模言語モデルが表面的なパターン認識以上の数学的図形を真に理解しているかどうかを評価することは困難である。 MLLMにおける数学的知覚の分離と評価を目的としたベンチマークであるMATHGLANCEを紹介する。 幾何学的プリミティブと正確な空間関係を付加した200K構造幾何画像テキストの知覚指向データセットであるGeoPePを構築した。
  論文  参考訳（メタデータ） (2025-03-26T17:30:41Z)
• Computational metaoptics for imaging [3.105460926371459]
  計算メタ光学(Computational Metaoptics)は,地表面の物理的波面形成能力と高度な計算アルゴリズムを組み合わせることで,従来の限界を超えて画像性能を向上させる。 メタ曲面を物理プレコンディショナーとして扱い、エンド・ツー・エンド(逆)設計で再構成アルゴリズムと共設計することにより、光学ハードウェアと計算ソフトウェアを協調的に最適化することができる。 位相イメージングや量子状態測定など、計算メタ光学によって実現された高度な応用が強調されている。
  論文  参考訳（メタデータ） (2024-11-14T02:13:25Z)
• 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)
• MetaDesigner: Advancing Artistic Typography Through AI-Driven, User-Centric, and Multilingual WordArt Synthesis [65.78359025027457]
  MetaDesignerがLarge Language Models(LLM)を利用したアートタイポグラフィーのための変換フレームワークを導入 その基盤は、Pipeline、Glyph、Textureエージェントで構成されるマルチエージェントシステムであり、カスタマイズ可能なWordArtの作成をまとめてオーケストレーションしている。
  論文  参考訳（メタデータ） (2024-06-28T11:58:26Z)
• A Freeform Dielectric Metasurface Modeling Approach Based on Deep Neural Networks [7.039798390237901]
  本稿では, 深層学習に基づくメタサイト/メタ原子モデリング手法を導入し, キャラクタリゼーション時間を大幅に短縮する。 畳み込みニューラルネットワーク(CNN)の構造に基づいて、提案したディープラーニングネットワークは、自由な2Dパターンと異なる格子サイズを持つメタ原子をモデル化することができる。 提案手法は、ミリ秒の時間スケールで、メタ原子の広いスペクトル応答を予測する能力を備えている。
  論文  参考訳（メタデータ） (2020-01-01T01:21:36Z)

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。