論文の概要: El Agente Estructural: An Artificially Intelligent Molecular Editor

• arxiv url: http://arxiv.org/abs/2602.04849v1
• Date: Wed, 04 Feb 2026 18:38:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-05 19:45:11.685147
• Title: El Agente Estructural: An Artificially Intelligent Molecular Editor
• Title（参考訳）: El Agente Estructural: 人工的に知能な分子エディタ
• Authors: Changhyeok Choi, Yunheng Zou, Marcel Müller, Han Hao, Yeonghun Kang, Juan B. Pérez-Sánchez, Ignacio Gustin, Hanyong Xu, Mohammad Ghazi Vakili, Chris Crebolder, Alán Aspuru-Guzik, Varinia Bernales,
• Abstract要約: 本稿では, 自然言語駆動型構造生成・操作エージェントであるEl Agente Estructuralについて述べる。 構造学は、人間の専門家が、包括的なドメインインフォームドツールと視覚言語モデルを統合することで、分子システムを直接操作する方法を模倣する。
• 参考スコア（独自算出の注目度）: 4.809202782741964
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present El Agente Estructural, a multimodal, natural-language-driven geometry-generation and manipulation agent for autonomous chemistry and molecular modelling. Unlike molecular generation or editing via generative models, Estructural mimics how human experts directly manipulate molecular systems in three dimensions by integrating a comprehensive set of domain-informed tools and vision-language models. This design enables precise control over atomic or functional group replacements, atomic connectivity, and stereochemistry without the need to rebuild extensive core molecular frameworks. Through a series of representative case studies, we demonstrate that Estructural enables chemically meaningful geometry manipulation across a wide range of real-world scenarios. These include site-selective functionalization, ligand binding, ligand exchange, stereochemically controlled structure construction, isomer interconversion, fragment-level structural analysis, image-guided generation of structures from schematic reaction mechanisms, and mechanism-driven geometry generation and modification. These examples illustrate how multimodal reasoning, when combined with specialized geometry-aware tools, supports interactive and context-aware molecular modelling beyond structure generation. Looking forward, the integration of Estructural into El Agente Quntur, an autonomous multi-agent quantum chemistry platform, enhances its capabilities by adding sophisticated tools for the generation and editing of three-dimensional structures.
• Abstract（参考訳）: 自動化学および分子モデリングのための多モーダル・自然言語駆動幾何生成・操作剤El Agente Estructuralについて述べる。 分子生成や生成モデルによる編集とは異なり、Estructuralは、人間の専門家が3次元の分子系を直接操作する方法を模倣し、包括的なドメインインフォームドツールと視覚言語モデルを統合する。 この設計により、広範なコア分子フレームワークを再構築することなく、原子または官能基置換、原子接続、および立体化学を正確に制御できる。 一連の代表的なケーススタディを通じて、Estructuralは、幅広い実世界のシナリオにおいて、化学的に有意義な幾何学的操作を可能にすることを実証した。 これには、サイト選択的機能化、リガンド結合、リガンド交換、立体化学制御された構造構造の構築、異性体間変換、フラグメントレベルの構造解析、スキーマ反応機構からの画像誘導された構造の生成、機構駆動の幾何学的生成と修正が含まれる。 これらの例は、マルチモーダル推論と特殊な幾何認識ツールを組み合わせることで、構造生成以外のインタラクティブかつコンテキスト認識の分子モデリングをどのようにサポートするかを示している。 今後、EstructuralのEl Agente Qunturへの統合は、自律的なマルチエージェント量子化学プラットフォームであり、3次元構造の生成と編集のための高度なツールを追加することで、その能力を高める。

関連論文リスト

• Agentic reinforcement learning empowers next-generation chemical language models for molecular design and synthesis [51.83339196548892]
  ChemCraftは、知識ストレージから化学推論を分離する新しいフレームワークである。 ChemCraftは最小の推論コストで優れたパフォーマンスを実現する。 この研究は、AI支援化学のコスト効率とプライバシ保護のパラダイムを確立する。
  論文  参考訳（メタデータ） (2026-01-25T04:23:34Z)
• Mamba-driven multi-perspective structural understanding for molecular ground-state conformation prediction [69.32436472760712]
  本稿では,マンバ駆動型多面的構造理解(MPSU-Mamba)による分子基底状態の局在化手法を提案する。 複雑で多様な分子に対しては、対応する分子構造の包括的認識を構築するために、3種類の専用の走査戦略が検討されている。 QM9 と Molecule3D データセットの実験結果から,MPSU-Mamba が既存の手法よりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2025-11-10T11:18:32Z)
• MT-Mol:Multi Agent System with Tool-based Reasoning for Molecular Optimization [13.94416046565452]
  大規模言語モデル(LLM)を用いた分子最適化のためのマルチエージェントフレームワークMT-Molを紹介する。 本システムには, 構造記述子, 電子的およびトポロジ的特徴, フラグメントベース機能群, 分子的表現, 諸化学的性質の5つの異なる領域に分類された総合RDKitツールが組み込まれている。 MT-Molは、分析エージェント、分子生成科学者、推論出力検証器、レビュアーエージェントとの相互作用を通じて、ツール整列および段階的に推論された分子を生成する。
  論文  参考訳（メタデータ） (2025-05-27T07:27:30Z)
• MOL-Mamba: Enhancing Molecular Representation with Structural & Electronic Insights [23.55889965960128]
  MOL-Mambaは構造的および電子的洞察を組み合わせることで分子表現を強化するフレームワークである。 MOL-Mambaは11の化学生物学的分子データセットで最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2024-12-21T04:48:57Z)
• GraphXForm: Graph transformer for computer-aided molecular design [73.1842164721868]
  既存の化合物を事前訓練したデコーダのみのグラフトランスフォーマアーキテクチャであるGraphXFormを提案する。 種々の薬物設計タスクで評価し、最先端の分子設計手法と比較して優れた客観的スコアを示す。
  論文  参考訳（メタデータ） (2024-11-03T19:45:15Z)
• Sculpting Molecules in Text-3D Space: A Flexible Substructure Aware Framework for Text-Oriented Molecular Optimization [10.868749018881115]
  本稿では,多モードガイダンス最適化タスクとして定式化することで,逆設計問題に対処する革新的な手法を提案する。 提案手法は,分子最適化タスク,すなわち3DToMoloの実装のためのテクスチャ構造アライメント対称拡散フレームワークを含む。 3DToMoloは、テキスト記述特徴やグラフ構造特徴などの多彩なモダリティを調和させることを目的としており、この分野の専門家による特定の対称構造とテクスチュラル制約に従う分子構造をシームレスに生成することを目的としている。
  論文  参考訳（メタデータ） (2024-03-06T03:15:25Z)
• An Equivariant Generative Framework for Molecular Graph-Structure Co-Design [54.92529253182004]
  分子グラフ構造アンダーラインCo設計のための機械学習ベースの生成フレームワークであるMollCodeを提案する。 MolCodeでは、3D幾何情報によって分子2Dグラフの生成が促進され、それによって分子3D構造の予測が導かれる。 分子設計における2次元トポロジーと3次元幾何は本質的に相補的な情報を含んでいることが明らかとなった。
  論文  参考訳（メタデータ） (2023-04-12T13:34:22Z)
• Bidirectional Generation of Structure and Properties Through a Single Molecular Foundation Model [44.60174246341653]
  本稿では, 構造と生化学的性質を組み込んだ, 新規なマルチモーダル分子事前学習モデルを提案する。 提案するデータハンドリングおよびトレーニング目的のモデルパイプラインは、共通埋め込み空間における構造/プロパティの特徴を整合させる。 これらのコントリビューションは相乗的知識を生み出し、単一のモデルでマルチモーダルと非モーダルの両方の下流タスクに取り組むことができる。
  論文  参考訳（メタデータ） (2022-11-19T05:16:08Z)

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。