論文の概要: ChemGraph-XANES: An Agentic Framework for XANES Simulation and Analysis

• arxiv url: http://arxiv.org/abs/2604.16205v1
• Date: Fri, 17 Apr 2026 16:15:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-20 22:00:19.996935
• Title: ChemGraph-XANES: An Agentic Framework for XANES Simulation and Analysis
• Title（参考訳）: ChemGraph-XANES: XANESシミュレーションと分析のためのエージェントフレームワーク
• Authors: Vitor F. Grizzi, Thang Duc Pham, Luke N. Pretzie, Jiayi Xu, Murat Keceli, Cong Liu,
• Abstract要約: ChemGraph-XANESはXANESの自動シミュレーションと分析のためのエージェントフレームワークである。 自然言語タスク仕様、構造取得、FDMNES入力生成、スペクトル正規化、データキュレーションを統一する。
• 参考スコア（独自算出の注目度）: 4.554542395453299
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computational X-ray absorption near-edge structure (XANES) is widely used to probe local coordination environments, oxidation states, and electronic structure in chemically complex systems. However, the use of computational XANES at scale is constrained more by workflow complexity than by the underlying simulation method itself. To address this challenge, we present ChemGraph-XANES, an agentic framework for automated XANES simulation and analysis that unifies natural-language task specification, structure acquisition, FDMNES input generation, task-parallel execution, spectral normalization, and provenance-aware data curation. Built on ASE, FDMNES, Parsl, and a LangGraph/LangChain-based tool interface, the framework exposes XANES workflow operations as typed Python tools that can be orchestrated by large language model (LLM) agents. In multi-agent mode, a retrieval-augmented expert agent consults the FDMNES manual to ground parameter selection, while executor agents translate user requests into structured tool calls. We demonstrate documentation-grounded parameter retrieval and show that the same workflow supports both explicit structure-file inputs and chemistry-level natural-language requests. Because independent XANES calculations are naturally task-parallel, the framework is well suited for high-throughput deployment on high-performance computing (HPC) systems, enabling scalable XANES database generation for downstream analysis and machine-learning applications. ChemGraph-XANES thus provides a reproducible and extensible workflow layer for physics-based XANES simulation, spectral curation, and agent-compatible computational spectroscopy.
• Abstract（参考訳）: 計算X線吸収近接端構造(XANES)は、化学的に複雑な系の局所的な調整環境、酸化状態、電子構造を探索するために広く用いられている。 しかし、XANESの大規模利用は、基礎となるシミュレーション手法自体よりも、ワークフローの複雑さによって制限されている。 この課題に対処するために、自然言語タスク仕様、構造取得、FDMNES入力生成、タスク並列実行、スペクトル正規化、および証明対応データキュレーションを統合するXANES自動シミュレーションおよび分析のためのエージェントフレームワークであるChemGraph-XANESを提案する。 ASE、FDMNES、Parsl、LangGraph/LangChainベースのツールインターフェースに基づいて構築されているこのフレームワークは、XANESワークフロー操作を、大きな言語モデル(LLM)エージェントでオーケストレーション可能なタイプ付きPythonツールとして公開する。 マルチエージェントモードでは、検索強化された専門家エージェントがFDMNESマニュアルを参照してパラメータ選択を行い、エグゼクタエージェントはユーザリクエストを構造化ツールコールに変換する。 提案手法は,文書に基づくパラメータ検索を実証し,そのワークフローが明示的な構造ファイル入力と化学レベルの自然言語要求の両方をサポートすることを示す。 独立したXANES計算は当然タスク並列であるため、このフレームワークは高性能コンピューティング(HPC)システムへの高速なデプロイメントに適しており、ダウンストリーム解析や機械学習アプリケーションのためのスケーラブルなXANESデータベース生成を可能にしている。 したがって、ChemGraph-XANESは物理ベースのXANESシミュレーション、スペクトルキュレーション、エージェント互換の計算分光のための再現可能で拡張可能なワークフロー層を提供する。

関連論文リスト

• El Agente Gráfico: Structured Execution Graphs for Scientific Agents [7.47895130442454]
  タイプセーフな実行環境内に,大規模言語モデル(LLM)による意思決定を組み込んだ単一エージェントフレームワークであるEl Agente Grficoを紹介する。 我々のアプローチの中心は、科学概念の構造化された抽象化と、型付きPythonオブジェクトとして計算状態を表すオブジェクトグラフマッパーである。 大学レベルの量子化学タスクのスイートにまたがって,自動ベンチマークフレームワークを開発することにより,システムの評価を行う。
  論文  参考訳（メタデータ） (2026-02-19T23:47:05Z)
• Large Language Model Agent for User-friendly Chemical Process Simulations [0.0]
  大規模言語モデル (LLM) エージェントは AVEVA Process Model Protocol (MCP) と統合され、自然言語のシミュレーションを可能にする。 2つのケーススタディは、異なるタスクの複雑さと相互作用モードにわたるフレームワークを評価する。 このフレームワークは、技術的な概念の翻訳と実証によって教育目的と、データ抽出の自動化、ルーチンタスクの高速化、サポートによって経験豊富な実践者の両方に役立ちます。 オーバーシンプル化、計算エラー、技術的ヒックアップといった現在の制限は専門家の監視を必要とするが、このフレームワークはLSMベースのエージェントが貴重な協力者になれることを示唆している。
  論文  参考訳（メタデータ） (2026-01-15T12:18:45Z)
• Sample-Efficient Online Learning in LM Agents via Hindsight Trajectory Rewriting [92.57796055887995]
  本稿では,言語モデルエージェントの強化学習から後視体験のリプレイに適応するプロンプトフレームワークECHOを紹介する。 ECHOは失敗した試みで達成できた代替目標のために最適化された軌道を生成する。 我々は、テキストベースのナビゲーションと計画ベンチマークであるXMiniGridのステートフルバージョンと、協調的な情報収集企業シミュレーションであるPeopleJoinQAについて、ECHOを評価した。
  論文  参考訳（メタデータ） (2025-10-11T18:11:09Z)
• ChemActor: Enhancing Automated Extraction of Chemical Synthesis Actions with LLM-Generated Data [53.78763789036172]
  ケミカルエグゼキュータとして完全微調整された大規模言語モデル(LLM)であるChemActorを紹介し,非構造化実験手順と構造化動作シーケンスを変換する。 このフレームワークは、分散分散に基づくデータ選択モジュールと汎用LLMを統合し、単一の分子入力からマシン実行可能なアクションを生成する。 反応記述(R2D)と記述記述処理(D2A)のタスクの実験により、ChemActorは最先端のパフォーマンスを達成し、ベースラインモデルよりも10%高い性能を示した。
  論文  参考訳（メタデータ） (2025-06-30T05:11:19Z)
• Spectra-to-Structure and Structure-to-Spectra Inference Across the Periodic Table [49.65586812435899]
  XAStructは、結晶構造からXASスペクトルを予測し、XAS入力から局所構造記述子を推測できる学習ベースのシステムである。 XAStructは、周期表全体にわたって70以上の要素にまたがる大規模なデータセットでトレーニングされている。
  論文  参考訳（メタデータ） (2025-06-13T15:58:05Z)
• A new framework for X-ray absorption spectroscopy data analysis based on machine learning: XASDAML [3.26781102547109]
  XASDAMLは、データ処理ワークフロー全体を統合したフレキシブルな機械学習ベースのフレームワークである。 包括的統計分析をサポートし、主成分分析やクラスタリングなどの手法を活用する。 XASDAMLの汎用性と有効性は、銅のデータセットに適用することで実証される。
  論文  参考訳（メタデータ） (2025-02-23T17:50:04Z)
• SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
  本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。 しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
  論文  参考訳（メタデータ） (2021-12-22T14:45:37Z)

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。