論文の概要: From Natural Language to Materials Discovery:The Materials Knowledge Navigation Agent

• arxiv url: http://arxiv.org/abs/2602.11123v1
• Date: Wed, 11 Feb 2026 18:34:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-12 21:44:02.318896
• Title: From Natural Language to Materials Discovery:The Materials Knowledge Navigation Agent
• Title（参考訳）: 自然言語から材料発見:材料知識ナビゲーションエージェント
• Authors: Genmao Zhuang, Amir Barati Farimani,
• Abstract要約: 本稿では、科学的意図を実行可能な行動に変換する言語駆動型システムであるMaterial Knowledge Navigation Agent (MKNA)を紹介する。 MKNAは、文献やデータベースの証拠から定量的なしきい値と化学的に意味のある設計モチーフを自律的に抽出する。 熱力学的に安定で、以前は報告されていないBe-C-リッチ化合物が1500-1700K系に偏在することを提案する。
• 参考スコア（独自算出の注目度）: 11.478292682955669
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accelerating the discovery of high-performance materials remains a central challenge across energy, electronics, and aerospace technologies, where traditional workflows depend heavily on expert intuition and computationally expensive simulations. Here we introduce the Materials Knowledge Navigation Agent (MKNA), a language-driven system that translates natural-language scientific intent into executable actions for database retrieval, property prediction, structure generation, and stability evaluation. Beyond automating tool invocation, MKNA autonomously extracts quantitative thresholds and chemically meaningful design motifs from literature and database evidence, enabling data-grounded hypothesis formation. Applied to the search for high-Debye-temperature ceramics, the agent identifies a literature-supported screening criterion (Theta_D > 800 K), rediscovers canonical ultra-stiff materials such as diamond, SiC, SiN, and BeO, and proposes thermodynamically stable, previously unreported Be-C-rich compounds that populate the sparsely explored 1500-1700 K regime. These results demonstrate that MKNA not only finds stable candidates but also reconstructs interpretable design heuristics, establishing a generalizable platform for autonomous, language-guided materials exploration.
• Abstract（参考訳）: 高性能物質の発見を加速することは、従来のワークフローが専門家の直感と計算コストのシミュレーションに大きく依存するエネルギー、エレクトロニクス、航空宇宙技術において、依然として中心的な課題である。 本稿では、自然言語の科学的意図をデータベース検索、プロパティ予測、構造生成、安定性評価のための実行可能なアクションに変換する言語駆動システムであるMaterial Knowledge Navigation Agent(MKNA)を紹介する。 MKNAは自動ツール起動の他に、文献やデータベースのエビデンスから定量的なしきい値と化学的に意味のある設計モチーフを自律的に抽出し、データ基底仮説の形成を可能にする。 高温セラミックスの探索に応用し, 文献によるスクリーニング基準(Theta_D > 800K), ダイヤモンド, SiC, SiN, BeOなどの正準超硬質材料の再粘性, 熱力学的に安定なBe-C-リッチ化合物を提案する。 これらの結果は、MKNAが安定した候補を見つけるだけでなく、解釈可能な設計ヒューリスティックを再構築し、自律型言語誘導材料探索のための一般化可能なプラットフォームを構築していることを示している。

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)
• "DIVE" into Hydrogen Storage Materials Discovery with AI Agents [8.774584882332526]
  データ駆動人工知能(AI)アプローチは、新しい素材の発見を変革している。 本稿では,視覚表現の記述的解釈(Descriptive Interpretation of Visual Expression, DIVE)について述べる。 4000の出版物から3万点を超えるキュレートされたデータベース上に構築し、これまで報告されていない水素貯蔵成分を2分で識別できる高速な逆設計ワークフローを構築した。
  論文  参考訳（メタデータ） (2025-08-18T14:30:18Z)
• Materials Generation in the Era of Artificial Intelligence: A Comprehensive Survey [54.40267149907223]
  材料は現代社会の基礎であり、エネルギー、エレクトロニクス、医療、交通、インフラの進歩を支えている。 高度に調整された特性を持つ新しい材料を発見・設計する能力は、世界的課題の解決に不可欠である。 データ駆動生成モデルは、事前定義された特性要件を満たす新しい材料を直接作成することによって、材料設計のための強力なツールを提供する。
  論文  参考訳（メタデータ） (2025-05-22T08:33:21Z)
• 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)
• Fine-Tuned Language Models Generate Stable Inorganic Materials as Text [53.81190146434045]
  テキストエンコードされた原子構造データに基づく微調整された大規模言語モデルは、実装が簡単で信頼性が高い。 我々の最強モデルは、CDVAEの約2倍の速度で準安定であると予測された物質を生成することができる。 テキストプロンプト固有の柔軟性のため、我々のモデルは安定物質を無条件に生成するために同時に使用することができる。
  論文  参考訳（メタデータ） (2024-02-06T20:35:28Z)
• Agent-based Learning of Materials Datasets from Scientific Literature [0.0]
  我々は,大規模言語モデル(LLM)を利用した化学AIエージェントを開発し,自然言語テキストから構造化データセットを作成する。 化学者のAIエージェントであるEunomiaは、何十年もの科学研究論文から既存の知識を活用して、行動を計画し実行することができる。
  論文  参考訳（メタデータ） (2023-12-18T20:29:58Z)
• Scalable Diffusion for Materials Generation [99.71001883652211]
  我々は任意の結晶構造(ユニマット)を表現できる統一された結晶表現を開発する。 UniMatはより大型で複雑な化学系から高忠実度結晶構造を生成することができる。 材料の生成モデルを評価するための追加指標を提案する。
  論文  参考訳（メタデータ） (2023-10-18T15:49:39Z)
• 1.5 million materials narratives generated by chatbots [25.125848842769464]
  我々はOQMD, Materials Project, JARVIS, COD, AFLOW2データベースを組み合わせた1,494,017の自然言語教材のデータセットを作成した。 生成されたテキストの物語は、人間の専門家とChatGPT-4によって、技術的正確性、言語と構造、コンテンツの関連性と深さという3つのルーブリックに基づいてポーリングされ、スコア付けされた。
  論文  参考訳（メタデータ） (2023-08-25T22:00:53Z)

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。