論文の概要: SciNets: Graph-Constrained Multi-Hop Reasoning for Scientific Literature Synthesis

• arxiv url: http://arxiv.org/abs/2601.09727v1
• Date: Sun, 28 Dec 2025 12:27:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-25 16:54:51.708051
• Title: SciNets: Graph-Constrained Multi-Hop Reasoning for Scientific Literature Synthesis
• Title（参考訳）: SciNets:科学文献合成のためのグラフ制約マルチホップ推論
• Authors: Sauhard Dubey,
• Abstract要約: クロスドメインな科学的合成は、断片化された文献を接続する機械的説明を必要とする。 文献由来の概念グラフ上でのグラフ制約付きマルチホップ推論問題としてメカニスティック合成を行う。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cross-domain scientific synthesis requires connecting mechanistic explanations across fragmented literature, a capability that remains challenging for both retrieval-based systems and unconstrained language models. While recent work has applied large language models to scientific summarization and question answering, these approaches provide limited control over reasoning depth and structural grounding. We frame mechanistic synthesis as a graph-constrained multi-hop reasoning problem over literature-derived concept graphs. Given a scientific query and a compact, query-local corpus, SciNets constructs a directed concept graph and synthesizes mechanistic explanations by identifying multi-hop reasoning paths that connect concepts that rarely co-occur within individual papers. We systematically compare shortest-path reasoning, k-shortest paths with diversity constraints, stochastic random walks, and a retrieval-augmented language model baseline. Rather than evaluating correctness, which is often indeterminate when synthesizing connections across distributed sources, we introduce a behavioral framework that measures symbolic reasoning depth, mechanistic diversity, and grounding stability. Across machine learning, biology, and climate science tasks, explicit graph constraints enable controllable multi-hop reasoning while revealing a consistent trade-off: deeper and more diverse symbolic reasoning increases grounding instability, whereas shortest-path reasoning remains highly stable but structurally conservative. These findings provide a systematic behavioral characterization of the limits and capabilities of current graph-LLM integration for scientific synthesis.
• Abstract（参考訳）: クロスドメインな科学的合成は、断片化された文献をまたいだ機械的説明の接続を必要とするが、これは検索ベースシステムと制約のない言語モデルの両方にとって依然として困難な能力である。 近年の研究では、科学的要約と質問応答に大規模な言語モデルを適用しているが、これらの手法は推論深度と構造的接地に対する限定的な制御を提供する。 文献由来の概念グラフ上でのグラフ制約付きマルチホップ推論問題としてメカニスティック合成を行う。 科学的クエリとコンパクトでクエリローカルなコーパスが与えられたSciNetsは、指示された概念グラフを構築し、個々の論文内で稀に共起する概念を接続するマルチホップ推論パスを特定して、メカニスティックな説明を合成する。 我々は,最短経路推論,k-shortestパスと多様性制約,確率的ランダムウォーク,検索強化言語モデルベースラインを体系的に比較した。 分散ソース間の接続を合成する際、しばしば不確定となる正しさを評価するのではなく、象徴的推論深さ、機械的多様性、基底安定性を測定する行動的枠組みを導入する。 機械学習、生物学、気候科学のタスク全体にわたって、明示的なグラフ制約は、一貫したトレードオフを明らかにしながら制御可能なマルチホップ推論を可能にする。 これらの知見は、科学合成のための現在のグラフ-LLM統合の限界と能力に関する体系的な行動的特徴を与える。

関連論文リスト

• Higher-Order Knowledge Representations for Agentic Scientific Reasoning [1.1458853556386797]
  本稿では,多義性関係を忠実にエンコードするハイパーグラフに基づく知識表現を構築する手法を提案する。 バイオコンポジット足場上の1,100の写本のコーパスに適用し、161,172個のノードと320,201個のハイパーエッジからなるグローバルなハイパーグラフを構築した。 さらに,ハイパーグラフツールを用いたエージェントシステム,特にノード間制約を用いて,意味論的に離れた概念をブリッジできることを実証した。
  論文  参考訳（メタデータ） (2026-01-08T12:25:37Z)
• Understanding Chain-of-Thought in Large Language Models via Topological Data Analysis [28.69471462319666]
  この研究は、構造的観点から推論チェーンの品質を分析し評価した最初のものである。 推論ステップを意味空間にマップし、トポロジ的特徴を抽出し、構造的変化を分析する。 その結果, 推論鎖のトポロジカルな構造複雑性は, 正の相関関係があることが示唆された。
  論文  参考訳（メタデータ） (2025-12-22T08:28:08Z)
• Knowledge-Augmented Long-CoT Generation for Complex Biomolecular Reasoning [51.673503054645415]
  生体分子機構は、分子間相互作用、シグナルカスケード、代謝経路の多段階的推論を必要とする。 既存のアプローチはしばしばこれらの問題を悪化させる: 推論ステップは生物学的事実から逸脱したり、長い機械的依存関係を捉えるのに失敗する。 本稿では,LLMと知識グラフに基づくマルチホップ推論チェーンを統合したLong-CoT推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-11T09:26:32Z)
• Lost in Tokenization: Context as the Key to Unlocking Biomolecular Understanding in Scientific LLMs [78.18336140706471]
  Sci-LLMは、生物発見を加速するための有望なフロンティアとして登場した。 現在の戦略では生の生体分子配列を処理する際にSci-LLMの推論能力を制限する。 より効果的な戦略は、Sci-LLMに高レベルな構造化コンテキストを提供することである。
  論文  参考訳（メタデータ） (2025-10-27T09:03:21Z)
• Topological constraints on self-organisation in locally interacting systems [0.0]
  相互作用するシステムのネットワークでは、自然順序付けを自己組織化の一形態と見なすことができる。 3つのモデル系における領域壁形成時の自由エネルギーのスケーリングについて検討する。 アプリケーションとして、生物学で広く使われているようなマルチスケールシステムが、なぜ複雑なパターンに組織化できるのかを分析することができます。
  論文  参考訳（メタデータ） (2025-01-22T19:36:09Z)
• In-situ graph reasoning and knowledge expansion using Graph-PReFLexOR [0.0]
  グラフ推論とシンボリック抽象化を組み合わせてドメイン知識を動的に拡張するフレームワークであるGraph-PReFLexORを提案する。 強化学習に触発されて、推論は構造化されたマッピングとして定義され、タスクが知識グラフ、抽象パターン、そして最終的には最終回答を生み出す。 その結果、より優れた推論深度と適応性を示し、透明で多分野のAI駆動型発見の可能性を示している。
  論文  参考訳（メタデータ） (2025-01-14T13:52:41Z)
• Visual Chain of Thought: Bridging Logical Gaps with Multimodal Infillings [61.04460792203266]
  本稿では, 逐次データ内の論理的ギャップを埋めるために, 視覚言語による接地を促進させる, チェーン・オブ・シントを利用する新しい手法であるVCoTを紹介する。 本手法は,下流タスクの論理的ギャップを低減するために,一貫した情報と新しい情報を加える合成マルチモーダル埋め込みを生成するために視覚誘導を用いる。
  論文  参考訳（メタデータ） (2023-05-03T17:58:29Z)
• ClueReader: Heterogeneous Graph Attention Network for Multi-hop Machine Reading Comprehension [21.257593756782658]
  祖母の細胞概念を模倣するヘテロジニアスグラフアテンションネットワークモデルClueReaderを提案する。 このモデルは、多レベル表現に意味的特徴を組み立て、アテンション機構を通じて推論のための情報を自動的に集中または緩和するように設計されている。 提案モデルは推論グラフの可視化を可能にし,エンティティを接続するエッジの重要性と,参照ノードと候補ノードの選択性を分析する。
  論文  参考訳（メタデータ） (2021-07-02T05:29:39Z)

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。