論文の概要: Chem4DLLM: 4D Multimodal LLMs for Chemical Dynamics Understanding

• arxiv url: http://arxiv.org/abs/2603.11924v1
• Date: Thu, 12 Mar 2026 13:36:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-13 14:46:26.10975
• Title: Chem4DLLM: 4D Multimodal LLMs for Chemical Dynamics Understanding
• Title（参考訳）: Chem4DLLM:化学動力学理解のための4次元多モードLCM
• Authors: Xinyu Li, Zhen Zhang, Qi Chen, Anton van den Hengel, Lina Yao, Javen Qinfeng Shi,
• Abstract要約: ChemDUは4D分子軌道を解釈可能な自然言語の説明に変換する。 ChemDUは、ガス相と触媒反応を含む基本的な動的シナリオに焦点を当てている。 Chem4DBenchは4D分子軌道と専門家による説明を組み合わせた最初のデータセットである。
• 参考スコア（独自算出の注目度）: 52.499532583297885
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Existing chemical understanding tasks primarily rely on static molecular representations, limiting their ability to model inherently dynamic phenomena such as bond breaking or conformational changes, which are essential for a chemist to understand chemical reactions. To address this gap, we introduce Chemical Dynamics Understanding (ChemDU), a new task that translates 4D molecular trajectories into interpretable natural-language explanations. ChemDU focuses on fundamental dynamic scenarios, including gas-phase and catalytic reactions, and requires models to reason about key events along molecular trajectories, such as bond formation and dissociation, and to generate coherent, mechanistically grounded narratives. To benchmark this capability, we construct Chem4DBench, the first dataset pairing 4D molecular trajectories with expert-authored explanations across these settings. We further propose Chem4DLLM, a unified model that integrates an equivariant graph encoder with a pretrained large language model to explicitly capture molecular geometry and rotational dynamics. We hope that ChemDU, together with Chem4DBench and Chem4DLLM, will stimulate further research in dynamic chemical understanding and multimodal scientific reasoning.
• Abstract（参考訳）: 既存の化学理解タスクは主に静的な分子表現に依存しており、化学反応を理解するのに不可欠である結合破壊や構造変化のような本質的に動的な現象をモデル化する能力を制限する。 このギャップに対処するために,4次元分子軌道を解釈可能な自然言語記述に変換する新しいタスクであるChemDU(ChemDU)を導入する。 ChemDUはガス相や触媒反応などの基本的な動的シナリオに焦点を当てており、結合形成や解離などの分子軌道に沿った重要な事象を推論し、一貫性のある機械的基盤を持つ物語を生成するモデルを必要とする。 この能力をベンチマークするために、私たちはChem4DBenchを構築しました。 さらに,同変グラフエンコーダと事前訓練された大言語モデルを統合する統一モデルであるChem4DLLMを提案する。 ChemDUとChem4DBenchとChem4DLLMは、動的化学的理解とマルチモーダルな科学的推論のさらなる研究を促進することを願っている。

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)
• Constructing and explaining machine learning models for chemistry: example of the exploration and design of boron-based Lewis acids [0.0]
  我々は、説明可能なAI技術を活用して、ホウ素系ルイス酸の合理的設計を探求する。 ルイス酸は電子受容性のために有機反応において重要な役割を果たす。 化学空間を適切に定義された分子足場に限定することにより,高精度な予測が可能となった。
  論文  参考訳（メタデータ） (2025-01-02T23:47:54Z)
• ChemVLM: Exploring the Power of Multimodal Large Language Models in Chemistry Area [70.66610054938052]
  textbfChemVLMは、化学応用のためのオープンソースの化学マルチモーダル大規模言語モデルである。 ChemVLMは、テキストと視覚の化学情報の両方を理解する能力を高めるために、慎重にキュレートされたバイリンガルデータセットで訓練されている。 我々はChemVLMを、様々なタスクにおいて、オープンソースおよびプロプライエタリな多モーダルな大規模言語モデルに対してベンチマークする。
  論文  参考訳（メタデータ） (2024-08-14T01:16:40Z)
• ChemLLM: A Chemical Large Language Model [49.308528569982805]
  大規模言語モデル(LLM)は化学応用において顕著な進歩を遂げた。 しかし、コミュニティには化学に特化したLLMが欠落している。 本稿では,化学に特化した最初のLLMを特徴とする包括的フレームワークであるChemLLMを紹介する。
  論文  参考訳（メタデータ） (2024-02-10T01:11:59Z)
• Domain-Agnostic Molecular Generation with Chemical Feedback [44.063584808910896]
  MolGenは、分子生成に特化した事前訓練された分子言語モデルである。 1億以上の分子SELFIESを再構成することで構造的および文法的な洞察を内部化する。 我々の化学フィードバックパラダイムは、モデルを分子幻覚から遠ざけ、モデルの推定確率と実世界の化学的嗜好との整合性を確保する。
  論文  参考訳（メタデータ） (2023-01-26T17:52:56Z)

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。