論文の概要: The Scientific Contribution Graph: Automated Literature-based Technological Roadmapping at Scale
- arxiv url: http://arxiv.org/abs/2605.15011v1
- Date: Thu, 14 May 2026 16:12:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-15 21:45:34.935258
- Title: The Scientific Contribution Graph: Automated Literature-based Technological Roadmapping at Scale
- Title（参考訳）: The Scientific Contribution Graph: Automated Literature-based Technological Roadmapping at Scale
- Authors: Peter A. Jansen,
- Abstract要約: 学術論文から科学的貢献を抽出し,それらの前提条件に関連付けることにより,自動技術ロードマップ作成の課題を定式化する。
我々は,230万のオープンアクセス論文から抽出された200万の詳細な科学的コントリビューションを含む大規模AI/NLPドメインリソースであるScientific Contribution Graphを紹介した。
- 参考スコア（独自算出の注目度）: 2.1720627347907695
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Scientific contributions rarely develop in isolation, but instead build upon prior discoveries. We formulate the task of automated technological roadmapping as extracting scientific contributions from scholarly articles and linking them to their prerequisites. We present the Scientific Contribution Graph, a large-scale AI/NLP-domain resource containing 2 million detailed scientific contributions extracted from 230k open-access papers and connected by 12.5 million prerequisite edges. We further introduce scientific prerequisite prediction, a scientific discovery task in which models predict which existing technologies can enable future discoveries, and show that contemporary models are rapidly improving on this task, reaching 0.48 MAP when evaluated using temporally filtered backtesting. We anticipate technological roadmapping resources such as this will support scientific impact assessment and automated scientific discovery.
- Abstract（参考訳）: 科学的な貢献は単独で発展することは滅多にないが、むしろ以前の発見に基づいて構築される。
学術論文から科学的貢献を抽出し,それらの前提条件に関連付けることにより,自動技術ロードマップ作成の課題を定式化する。
我々は,230万のオープンアクセス論文から抽出された200万の詳細な科学的コントリビューションを含む大規模AI/NLPドメインリソースであるScientific Contribution Graphを紹介した。
さらに,既存の技術が将来の発見を可能にするかをモデルが予測する科学的発見課題である科学的前提条件予測を導入し,時間的にフィルタリングされたバックテストを用いて評価すると,現代モデルは急速に改善され,0.48MAPに達することを示す。
我々は、科学的影響評価や自動科学的発見を支援する技術ロードマップ作成資源を期待する。
関連論文リスト
- SciResearcher: Scaling Deep Research Agents for Frontier Scientific Reasoning [54.194672921128785]
我々は、フロンティア科学データ構築のための完全に自動化されたエージェントフレームワークであるSciResearcherを紹介する。
SciResearcherは、学術的証拠に基づく様々な概念的および計算的なタスクを合成する。
我々は,HLE-Bio/Chem-Goldベンチマークで19.46%を達成できるエージェント基盤モデルであるSciResearcher-8Bを開発した。
論文 参考訳（メタデータ） (2026-05-02T15:26:45Z) - DeepScientist: Advancing Frontier-Pushing Scientific Findings Progressively [23.839869341008107]
DeepScientistは、科学的な発見を1ヶ月のタイムラインで行うように設計されたシステムだ。
このシステムは5,000のユニークな科学的アイデアを生み出し、その約1100を実験的に検証した。
この研究は、科学的タスクにおいて人間のSOTAを徐々に上回る発見を達成するためのAIの大規模な証拠として、初めてのものである。
論文 参考訳（メタデータ） (2025-09-30T17:49:32Z) - AI Scientists Fail Without Strong Implementation Capability [33.232300349142285]
人工知能(AI)科学者の出現は、科学的発見のパラダイムシフトを表している。
最近のAI Scientist研究は、独立した科学的発見のための十分な能力を示している。
この大きな進歩にもかかわらず、AI Scientistはコンピュータ科学の分野における画期的な成果をまだ生み出していない。
論文 参考訳（メタデータ） (2025-06-02T06:59:10Z) - Unlocking the Potential of AI Researchers in Scientific Discovery: What Is Missing? [17.606243765807964]
AI4Scienceの総出版物のシェアは2024年の2.72%から2050年までに約20%に増加すると予測している。
これらのジャーナルにおけるAIによる研究の95%近くは、実験科学者が主導している。
我々は、AI研究者を科学的発見の最前線に配置するための構造的かつ戦略的介入を提案する。
論文 参考訳（メタデータ） (2025-03-05T09:29:05Z) - Transforming Science with Large Language Models: A Survey on AI-assisted Scientific Discovery, Experimentation, Content Generation, and Evaluation [58.064940977804596]
多くの新しいAIモデルとツールが提案され、世界中の研究者や学者が研究をより効果的かつ効率的に実施できるようにすることを約束している。
これらのツールの欠点と誤用の可能性に関する倫理的懸念は、議論の中で特に顕著な位置を占める。
論文 参考訳（メタデータ） (2025-02-07T18:26:45Z) - DeepSpeed4Science Initiative: Enabling Large-Scale Scientific Discovery
through Sophisticated AI System Technologies [116.09762105379241]
DeepSpeed4Scienceは、AIシステム技術革新を通じてユニークな機能を構築することを目指している。
我々は、構造生物学研究における2つの重要なシステム課題に対処するために、DeepSpeed4Scienceで行った初期の進歩を紹介した。
論文 参考訳（メタデータ） (2023-10-06T22:05:15Z) - SciFact-Open: Towards open-domain scientific claim verification [61.288725621156864]
本稿では,科学的クレーム検証システムの性能評価を目的とした新しいテストコレクションであるSciFact-Openを提案する。
我々は、4つの最先端の科学的クレーム検証モデルの上位予測をプールし、注釈付けすることで、科学的クレームの証拠を収集する。
その結果,SciFact-Openへの一般化に苦慮する小形コーパス上で開発されたシステムは,少なくとも15F1の性能低下を示すことがわかった。
論文 参考訳（メタデータ） (2022-10-25T05:45:00Z) - Accelerating COVID-19 research with graph mining and transformer-based
learning [2.493740042317776]
新型コロナウイルス研究のための汎用仮説自動生成システムAGATHA-CとAGATHA-GPを紹介します。
どちらのシステムも、高速な計算時間でドメイン(一部のドメインでは0.97%のROC AUC)間で高品質の予測を実現します。
これらのシステムは、新型コロナウイルスとオキシトシンホルモンの関係など、現在進行中の研究成果を発見できることを示す。
論文 参考訳（メタデータ） (2021-02-10T15:11:36Z)
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。