論文の概要: Publishing FAIR and Machine-actionable Reviews in Materials Science: The Case for Symbolic Knowledge in Neuro-symbolic Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2601.05051v1
• Date: Thu, 08 Jan 2026 15:56:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-09 17:01:53.264814
• Title: Publishing FAIR and Machine-actionable Reviews in Materials Science: The Case for Symbolic Knowledge in Neuro-symbolic Artificial Intelligence
• Title（参考訳）: 材料科学におけるFAIRとマシン・アクティブル・レビュー:ニューロシンボリック・人工知能におけるシンボリック・ナレッジの事例
• Authors: Jennifer D'Souza, Soren Auer, Eleni Poupaki, Alex Watkins, Anjana Devi, Riikka L. Puurunen, Bora Karasulu, Adrie Mackus, Erwin Kessels,
• Abstract要約: 本稿では,原子層堆積・エッチング(ALD/E)のケーススタディとして,レビューテーブルをFAIRとして公開する。 我々は、キュレートされたシンボル層が、材料科学における信頼できるニューロシンボリックAIのバックボーンのままであるべきだと論じる。
• 参考スコア（独自算出の注目度）: 0.5164947615834934
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Scientific reviews are central to knowledge integration in materials science, yet their key insights remain locked in narrative text and static PDF tables, limiting reuse by humans and machines alike. This article presents a case study in atomic layer deposition and etching (ALD/E) where we publish review tables as FAIR, machine-actionable comparisons in the Open Research Knowledge Graph (ORKG), turning them into structured, queryable knowledge. Building on this, we contrast symbolic querying over ORKG with large language model-based querying, and argue that a curated symbolic layer should remain the backbone of reliable neurosymbolic AI in materials science, with LLMs serving as complementary, symbolically grounded interfaces rather than standalone sources of truth.
• Abstract（参考訳）: 科学的なレビューは、材料科学における知識の統合の中心であるが、彼らの重要な洞察は、物語テキストと静的PDFテーブルに固定されており、人間や機械による再利用を制限している。 本稿では、原子層堆積・エッチング(ALD/E)におけるケーススタディとして、レビューテーブルをFAIRとして公開し、オープンリサーチ知識グラフ(ORKG)で機械操作可能な比較を行い、構造化されたクエリ可能な知識に変換する。 これに基づいて、ORKG上のシンボリッククエリと大きな言語モデルベースのクエリとは対照的に、計算されたシンボリックレイヤは、材料科学において信頼できるニューロシンボリックAIのバックボーンのままでなければならない、と論じる。

関連論文リスト

• Language Native Lightly Structured Databases for Large Language Model Driven Composite Materials Research [6.31777560888658]
  材料の準備手順は、しばしば実験的なプロトコル、研究論文、特許、実験ノートに物語的に埋め込まれる。 我々はこの課題を,テキストファーストで軽量に構造化された材料データベースを中心としたフレームワークを通じて,テキスト推論問題に再構築する。 LLMに基づく推論と言語固有のデータが組み合わさることで,実用的材料準備が大幅に促進されることを示す。
  論文  参考訳（メタデータ） (2025-09-07T15:15:55Z)
• The Discovery Engine: A Framework for AI-Driven Synthesis and Navigation of Scientific Knowledge Landscapes [0.0]
  本稿では,文献を科学的領域の統一的,計算的に抽出可能な表現に変換するフレームワークであるDiscovery Engineを紹介する。 Discovery Engineは、AIが強化した科学調査と発見の加速のための新しいパラダイムを提供する。
  論文  参考訳（メタデータ） (2025-05-23T05:51:34Z)
• Causal Discovery from Data Assisted by Large Language Models [50.193740129296245]
  知識駆動発見のために、実験データと事前のドメイン知識を統合することが不可欠である。 本稿では、高分解能走査透過電子顕微鏡(STEM)データと大規模言語モデル(LLM)からの洞察を組み合わせることで、このアプローチを実証する。 SmドープBiFeO3(SmBFO)におけるChatGPTをドメイン固有文献に微調整することにより、構造的、化学的、分極的自由度の間の因果関係をマッピングするDAG(Directed Acyclic Graphs)の隣接行列を構築する。
  論文  参考訳（メタデータ） (2025-03-18T02:14:49Z)
• From Tokens to Materials: Leveraging Language Models for Scientific Discovery [12.211984932142537]
  本研究では, 材料科学における材料特性予測のための言語モデル埋め込みの適用について検討した。 本研究では、ドメイン固有モデル、特にMatBERTが、複合名や材料特性から暗黙的な知識を抽出する際の汎用モデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-10-21T16:31:23Z)
• Converging Paradigms: The Synergy of Symbolic and Connectionist AI in LLM-Empowered Autonomous Agents [55.63497537202751]
  コネクショニストと象徴的人工知能(AI)の収束を探求する記事 従来、コネクショナリストAIはニューラルネットワークにフォーカスし、シンボリックAIはシンボリック表現とロジックを強調していた。 大型言語モデル(LLM)の最近の進歩は、人間の言語をシンボルとして扱う際のコネクショナリストアーキテクチャの可能性を強調している。
  論文  参考訳（メタデータ） (2024-07-11T14:00:53Z)
• IID Relaxation by Logical Expressivity: A Research Agenda for Fitting Logics to Neurosymbolic Requirements [50.57072342894621]
  本稿では、ニューロシンボリック・ユースケースにおける既知のデータ依存と分布制約を利用する利点について論じる。 これは、ニューロシンボリックな背景知識と、その論理に必要とされる表現性に関する一般的な疑問を伴う新しい研究課題を開く。
  論文  参考訳（メタデータ） (2024-04-30T12:09:53Z)
• Lessons in Reproducibility: Insights from NLP Studies in Materials Science [4.205692673448206]
  我々は,これらの研究を観点から理解し,材料情報学の分野に対するその大きな影響を,それらに批判的でなく認識することを目的としている。 本研究は, 両論文とも, 徹底した, 丁寧な, ドキュメント化され, モデル評価のための明確なガイダンスが得られたことを示唆する。 著作権制限が許すトレーニングデータへのアクセス、モデルアーキテクチャとトレーニングプロセスの透明性の向上、ソフトウェア依存バージョン仕様など、改善すべき領域を強調します。
  論文  参考訳（メタデータ） (2023-07-28T18:36:42Z)
• Tab2Know: Building a Knowledge Base from Tables in Scientific Papers [6.514665180383298]
  本稿では,学術論文の表から知識ベースを構築するための,新たなエンドツーエンドシステムであるTab2Knowを紹介する。 統計に基づく分類器と論理に基づく推論の両方を利用するパイプラインを提案する。 コンピュータサイエンス分野における論文のコーパスを用いたアプローチの実証評価は,満足度を回復した。
  論文  参考訳（メタデータ） (2021-07-28T11:56:53Z)

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。