論文の概要: From Knowledge to Action: Outcomes of the 2025 Large Language Model (LLM) Hackathon for Applications in Materials Science and Chemistry

• arxiv url: http://arxiv.org/abs/2605.03205v1
• Date: Mon, 04 May 2026 22:48:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-06 19:35:43.670797
• Title: From Knowledge to Action: Outcomes of the 2025 Large Language Model (LLM) Hackathon for Applications in Materials Science and Chemistry
• Title（参考訳）: 知識から行動へ:材料科学・化学への応用のための2025大言語モデル(LLM)ハッカソンの成果
• Abstract要約: 大規模言語モデル(LLM)は、材料科学と化学の研究者が科学的知識を発見し、組織化し、行動する方法を急速に変化させている。 本稿では,これらのシステムを科学研究ライフサイクル全体にわたって利用するための新たなパターンを明らかにするために,コミュニティが開発したLLMアプリケーションを幅広く分析する。
• 参考スコア（独自算出の注目度）: 109.17159174400912
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) are rapidly changing how researchers in materials science and chemistry discover, organize, and act on scientific knowledge. This paper analyzes a broad set of community-developed LLM applications in an effort to identify emerging patterns in how these systems can be used across the scientific research lifecycle. We organize the projects into two complementary categories: Knowledge Infrastructure, systems that structure, retrieve, synthesize, and validate scientific information; and Action Systems, systems that execute, coordinate, or automate scientific work across computational and experimental environments. The submissions reveal a shift from single-purpose LLM tools toward integrated, multi-agent workflows that combine retrieval, reasoning, tool use, and domain-specific validation. Prominent themes include retrieval-augmented generation as grounding infrastructure, persistent structured knowledge representations, multimodal and multilingual scientific inputs, and early progress toward laboratory-integrated closed-loop systems. Together, these results suggest that LLMs are evolving from general-purpose assistants into composable infrastructure for scientific reasoning and action. This work provides a community snapshot of that transition and a practical taxonomy for understanding emerging LLM-enabled workflows in materials science and chemistry.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、材料科学と化学の研究者が科学的知識を発見し、組織化し、行動する方法を急速に変化させている。 本稿では,これらのシステムを科学研究ライフサイクル全体にわたって利用するための新たなパターンを明らかにするために,コミュニティが開発したLLMアプリケーションを幅広く分析する。 我々は、これらのプロジェクトを2つの補完的なカテゴリに分類する。知識基盤、科学情報の構築、検索、合成、検証を行うシステム、および計算および実験環境をまたいだ科学的作業の実行、調整、自動化を行うシステムであるアクションシステムである。 これらの提案は、単一の目的のLLMツールから、検索、推論、ツールの使用、ドメイン固有のバリデーションを組み合わせた統合されたマルチエージェントワークフローへの移行を明らかにしている。 主なテーマは、基盤となる基盤としての検索強化生成、永続的な構造化された知識表現、マルチモーダルおよび多言語科学入力、実験室統合クローズドループシステムへの初期の進歩である。 これらの結果は,LLMが汎用アシスタントから,科学的推論と行動のための構成可能な基盤へと進化しつつあることを示唆している。 この研究は、この移行のコミュニティのスナップショットと、物質科学と化学における新しいLLM対応ワークフローを理解するための実践的な分類を提供する。

関連論文リスト

• SciMIF: Understanding Multimodal Instruction Following in Scientific Domains [50.54744513908656]
  SciMIFは、複雑な科学的指示に従う際にMLLMの能力を評価するために設計された新しいベンチマークである。 5つの代表的な科学分野にまたがる22の異なるタスクの分析に基づいて,包括的分類法を提案する。 我々は,既存の科学的データセットを体系的に増強する高忠実性インジェクションインジェクションパイプラインを開発した。
  論文  参考訳（メタデータ） (2026-08-26T16:30:20Z)
• The Evolving Role of Large Language Models in Scientific Innovation: Evaluator, Collaborator, and Scientist [3.7803247326675162]
  科学革新は、LLM(Large Language Models)の急速な進歩によって、パラダイムシフトが進んでいる。 本調査では,3つの階層レベル – 評価,コラボレーション,科学者 – にまたがる科学革新におけるLLMの役割を,包括的に分類する枠組みを提案する。
  論文  参考訳（メタデータ） (2025-07-16T00:11:01Z)
• ScienceBoard: Evaluating Multimodal Autonomous Agents in Realistic Scientific Workflows [82.07367406991678]
  大規模言語モデル(LLM)は自然言語処理を超えてその影響を拡大している。 これらのうち、コンピュータ利用エージェントは、人間がしているようにオペレーティングシステムと対話することができる。 我々はScienceBoardを紹介し、ダイナミックで視覚的にリッチな科学ソフトウェアを特徴とする現実的でマルチドメイン環境を包含する。
  論文  参考訳（メタデータ） (2025-05-26T12:27:27Z)
• 34 Examples of LLM Applications in Materials Science and Chemistry: Towards Automation, Assistants, Agents, and Accelerated Scientific Discovery [27.265303690468272]
  大規模言語モデル(LLM)は、材料科学と化学研究の多くの側面を再構築している。 最近の進歩は、最新のモデルのクラスが構造化データと非構造化データを統合することができることを示している。 第2回Large Language Model Hackathon for Applications in Materials Science and Chemistryで開発された34のプロジェクトを通して,LLMの応用を概観する。
  論文  参考訳（メタデータ） (2025-05-05T22:08:37Z)
• Large Language Model Agent: A Survey on Methodology, Applications and Challenges [88.3032929492409]
  大きな言語モデル(LLM)エージェントは、目標駆動の振る舞いと動的適応能力を持ち、人工知能への重要な経路を示す可能性がある。 本調査は, LLMエージェントシステムを方法論中心の分類法により体系的に分解する。 私たちの作業は、エージェントの構築方法、コラボレーション方法、時間の経過とともにどのように進化するか、という、統一されたアーキテクチャの視点を提供します。
  論文  参考訳（メタデータ） (2025-03-27T12:50:17Z)
• Reflections from the 2024 Large Language Model (LLM) Hackathon for Applications in Materials Science and Chemistry [68.97388926441971]
  材料科学・化学分野における応用のための第二大言語モデル(LLM)ハッカソンの結果について述べる。 このイベントは、グローバルなハイブリッドな場所を巡って参加者が参加し、34チームが応募した。 提出は7つの主要なアプリケーション領域にまたがって行われ、アプリケーションのためのLLMの多種多様な実用性を実証した。
  論文  参考訳（メタデータ） (2024-11-20T23:08:01Z)
• Many Heads Are Better Than One: Improved Scientific Idea Generation by A LLM-Based Multi-Agent System [62.832818186789545]
  Virtual Scientists (VirSci) は、科学研究に固有のチームワークを模倣するために設計されたマルチエージェントシステムである。 VirSciは研究のアイデアを共同で生成し、評価し、洗練するエージェントのチームを組織している。 このマルチエージェントアプローチは、新しい科学的アイデアを生み出す上で、最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-10-12T07:16:22Z)
• Materials science in the era of large language models: a perspective [0.0]
  大きな言語モデル(LLM)は、その印象的な能力によってかなりの関心を集めている。 この論文は、様々なタスクや規律にわたる曖昧な要求に対処する能力は、研究者を支援する強力なツールになり得ると論じている。
  論文  参考訳（メタデータ） (2024-03-11T17:34:25Z)
• Scientific Large Language Models: A Survey on Biological & Chemical Domains [47.97810890521825]
  大規模言語モデル(LLM)は、自然言語理解の強化において、変革的な力として現れてきた。 LLMの応用は従来の言語境界を超えて、様々な科学分野で開発された専門的な言語システムを含んでいる。 AI for Science(AI for Science)のコミュニティで急成長している分野として、科学LLMは包括的な探査を義務付けている。
  論文  参考訳（メタデータ） (2024-01-26T05:33:34Z)
• 14 Examples of How LLMs Can Transform Materials Science and Chemistry: A Reflection on a Large Language Model Hackathon [30.978561315637307]
  大規模言語モデル(LLM)は化学や材料科学に有用である。 これらの可能性を探るため、ハッカソンを組織した。 この記事ではハッカソンの一部として構築されたプロジェクトを概説する。
  論文  参考訳（メタデータ） (2023-06-09T22:22:02Z)

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。