論文の概要: Towards Agentic Defect Reasoning: A Graph-Assisted Retrieval Framework for Laser Powder Bed Fusion

• arxiv url: http://arxiv.org/abs/2604.04208v1
• Date: Sun, 05 Apr 2026 18:01:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.98414
• Title: Towards Agentic Defect Reasoning: A Graph-Assisted Retrieval Framework for Laser Powder Bed Fusion
• Title（参考訳）: エージェント欠陥推論に向けて:レーザー粉体融合のためのグラフ支援検索フレームワーク
• Authors: Muhammad Rizwan Awan, Volker Pickert, Muhammad Waqar Ashraf, Saleh Ali, Farshid Mahmouditabar, Shafiq Odhano,
• Abstract要約: 本研究では,レーザー粉体融合における欠陥推論のためのグラフ支援検索フレームワークを提案する。 このフレームワークはセマンティックとグラフベースの検索を統合し、軽量なエージェントベースの推論層でサポートされている。 このフレームワークは、プロセスパラメータと欠陥をリンクする透過的な推論チェーンを可能にする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Laser Powder Bed Fusion (LPBF) is highly sensitive to process parameters, which influence defect formation through complex thermal and fluid mechanisms. However, defect-related knowledge is dispersed across the literature, limiting systematic understanding. This study presents a graph-assisted retrieval framework for defect reasoning in LPBF, using Ti6Al4V as a case study. Scientific publications are transformed into a structured representation, and relationships between parameters, mechanisms, and defects are encoded into an evidence-linked knowledge graph. The framework integrates semantic and graph-based retrieval, supported by a lightweight agent-based reasoning layer to construct interpretable defect pathways. Evaluation shows high retrieval accuracy (0.9667) and recall (0.9667), demonstrating effective identification of relevant defect related evidence. The framework enables transparent reasoning chains linking process parameters to defects. This work provides a scalable approach for converting unstructured literature into a query able and interpretable knowledge resource for additive manufacturing.
• Abstract（参考訳）: レーザー粉体融合(LPBF)はプロセスパラメータに非常に敏感であり、複雑な熱・流体機構による欠陥形成に影響を与える。 しかし、欠陥関連知識は文献に分散し、体系的な理解を制限する。 本研究では,Ti6Al4Vをケーススタディとして,LPBFにおける欠陥推論のためのグラフ支援検索フレームワークを提案する。 科学出版物は構造化された表現に変換され、パラメータ、メカニズム、欠陥の関係はエビデンスにリンクされた知識グラフにエンコードされる。 このフレームワークはセマンティックとグラフベースの検索を統合し、軽量なエージェントベースの推論層によってサポートされ、解釈可能な欠陥経路を構築する。 高い検索精度 (0.9667) とリコール (0.9667) を示し, 関連する欠陥関連証拠を効果的に同定した。 このフレームワークは、プロセスパラメータと欠陥をリンクする透過的な推論チェーンを可能にする。 この作業は、構造化されていない文献を、付加的な製造のためのクエリ可能で解釈可能な知識リソースに変換するためのスケーラブルなアプローチを提供する。

関連論文リスト

• Anatomy of a Lie: A Multi-Stage Diagnostic Framework for Tracing Hallucinations in Vision-Language Models [62.932580559941414]
  VLM(Vision-Language Models)は、しばしば「ハロシン化(hallucinate)」する。 本稿では,静的な出力誤差からモデル計算認知の動的病理へ再キャストし,幻覚を診断するための新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-03-16T17:20:38Z)
• Disentangling Dynamical Systems: Causal Representation Learning Meets Local Sparse Attention [14.165510655766944]
  本稿では,因果表現学習を利用した新たな識別可能性定理を開発し,システムパラメータの不整合表現を明らかにする。 システムのパラメータ同定を変分推論問題としてインスタンス化し、スパーシリティ規則化変換器を用いて状態依存因果構造を解明する。
  論文  参考訳（メタデータ） (2026-03-15T17:03:34Z)
• Perplexity Trap: PLM-Based Retrievers Overrate Low Perplexity Documents [64.43980129731587]
  因果診断・矯正法(CDC)という因果推論時間脱バイアス法を提案する。 CDCはまず、パープレキシティのバイアス効果を診断し、その後、全体の関連スコアからバイアス効果を分離する。 3つの領域にまたがる実験結果から, より優れた脱バイアス効果が示された。
  論文  参考訳（メタデータ） (2025-03-11T17:59:00Z)
• CausalSR: Structural Causal Model-Driven Super-Resolution with Counterfactual Inference [2.147995542780459]
  本稿では、構造因果モデルを用いて超解像を定式化し、画像劣化過程を推論する。 本稿では,意味的指導を利用して仮説的劣化シナリオを推論する新しい対実的学習戦略を提案する。 提案手法は,特に複合劣化を伴う挑戦的なシナリオにおいて,最先端手法に対する大幅な改善を実現している。
  論文  参考訳（メタデータ） (2025-01-27T08:19:17Z)
• A Multimodal Fusion Framework for Bridge Defect Detection with Cross-Verification [0.0]
  本稿では,橋梁欠陥の検出と解析のための多モード融合フレームワークを提案する。 非破壊的評価(NDE)技術と高度な画像処理を統合し、正確な構造評価を可能にする。
  論文  参考訳（メタデータ） (2024-12-23T20:33:34Z)
• Mind the Gap: Analyzing Lacunae with Transformer-Based Transcription [2.486161976966064]
  我々は、ラグネーを含む合成データに基づいて訓練されたトランスフォーマーベース光学文字認識(OCR)モデルを採用する。 本研究は,ラグナの検出および修復における有効性を示し,その成功率を65%とした。
  論文  参考訳（メタデータ） (2024-06-28T22:52:39Z)
• Enhancing Systematic Decompositional Natural Language Inference Using Informal Logic [51.967603572656266]
  我々は,分解包含を注釈付けするための一貫した理論的なアプローチを導入する。 我々の新しいデータセットRDTEは、前回の分解エンターメントデータセットよりもかなり高い内部整合性(+9%)を持つことがわかった。 また,RDTE による知識蒸留によるエンテーメント分類器の訓練や,エンテーメントツリー推論エンジンへの導入により,精度と検証精度が向上することが確認された。
  論文  参考訳（メタデータ） (2024-02-22T18:55:17Z)
• A Discrepancy Aware Framework for Robust Anomaly Detection [51.710249807397695]
  本稿では,DAF(Disdisrepancy Aware Framework)を提案する。 本手法は,デコーダの欠陥同定に外見に依存しないキューを利用して,その合成外観への依存を緩和する。 単純な合成戦略の下では,既存の手法を大きなマージンで上回り,また,最先端のローカライゼーション性能も達成している。
  論文  参考訳（メタデータ） (2023-10-11T15:21:40Z)
• Probabilistic Bearing Fault Diagnosis Using Gaussian Process with Tailored Feature Extraction [10.064000794573756]
  転がり軸受は、過酷な環境下での長時間の運転により、様々な障害にさらされる。 現在の深層学習法は, 決定論的分類の形で軸受断層診断を行う。 本研究では,予測の不確実性を考慮した確率的故障診断フレームワークを開発した。
  論文  参考訳（メタデータ） (2021-09-19T18:34:29Z)

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。