論文の概要: TerraMARS: A Domain-Adapted Small-Language-Model Pipeline for Mars Terraforming Literature
- arxiv url: http://arxiv.org/abs/2606.19700v1
- Date: Thu, 18 Jun 2026 01:52:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-19 18:23:39.606144
- Title: TerraMARS: A Domain-Adapted Small-Language-Model Pipeline for Mars Terraforming Literature
- Title（参考訳）: TerraMARS: 火星ランキング文学のためのドメイン適応型小型モデルパイプライン
- Authors: Jyotsna Singh, Ash Black, Jeff Larsen, Scott R. Saleska,
- Abstract要約: 提案するTerraMARSは,領域適応型小言語モデルを組み合わせたエンドツーエンドの情報抽出パイプラインで,火星のテラフォーミングに関連する質問に答える。
多段階検索およびチャンキングフレームワークを用いて、オープンアクセス論文のコーパスを収集し、処理する。
このパイプラインは両方のタイプの出力を生成し、科学文献からの知識を下流のアプリケーションに統合するための基盤を提供する。
- 参考スコア（独自算出の注目度）: 0.48998185508205744
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Researchers are interested in learning about Mars so that it may eventually become habitable for humans. To achieve this, there is a need for comprehensive knowledge of the planet's atmosphere, hydrology, surface chemistry, radiation environment, and spatial features through the scientific literature. These contain valuable information and meaningful quantitative constraints that can be used in other models and studies, such as habitability assessment and future terraforming studies. We present TerraMARS, an end-to-end information extraction pipeline that combines a domain-adapted Small Language Model to answer Mars terraforming-related questions and convert unstructured Mars science text into machine-readable structured outputs in JavaScript Object Notation (JSON) format. A corpus of open-access papers is collected and processed using a multistage retrieval and chunking framework. Google Gemma 3 1B was adapted to the domain using Quantized Low-Rank Adaptation (QLoRA) fine-tuning on Mars-specific question-answering and information extraction datasets. The resulting pipeline generates both types of output and provides a foundation for integrating knowledge from scientific literature into downstream applications like digital twins and habitability modeling for Mars. The output from this pipeline looks promising, but further improvements are needed to increase extraction accuracy and factual consistency.
- Abstract（参考訳）: 研究者たちは火星について学ぶことに興味があり、最終的には人間にとって居住可能になるかもしれない。
これを実現するには、惑星の大気、水文学、表面化学、放射線環境、そして科学文献を通しての空間的特徴に関する包括的な知識が必要である。
これらは、居住性評価や将来のテラフォーミング研究など、他のモデルや研究で使用できる貴重な情報と有意義な量的制約を含んでいる。
TerraMARSは、ドメイン適応型小言語モデルを組み合わせたエンドツーエンドの情報抽出パイプラインで、火星のテラフォーミングに関連する質問に答え、構造化されていない火星科学のテキストをJavaScript Object Notation (JSON)フォーマットで機械可読な構造化出力に変換する。
多段階検索およびチャンキングフレームワークを用いて、オープンアクセス論文のコーパスを収集し、処理する。
Google Gemma 3 1Bは、火星固有の質問回答と情報抽出データセットに基づいて、Quantized Low-Rank Adaptation (QLoRA)を使用してドメインに適合した。
結果、パイプラインは両方のタイプの出力を生成し、科学文献からの知識をデジタルツインや火星の居住可能性モデリングのような下流のアプリケーションに統合するための基盤を提供する。
このパイプラインからの出力は有望に見えるが、抽出精度と事実整合性を高めるためにさらなる改善が必要である。
関連論文リスト
- To GAN or Not To GAN: Segmentation Analysis on Mars DEM [0.0]
本稿では,ニューラルネットワークを用いたセマンティック手法を用いて火星のマウンドを自動的に検出し,予測することで問題を解決する。
提案手法との比較により, 人工的に生成したデータの追加は, 結果の改善には至らなかった。
論文 参考訳（メタデータ） (2026-06-11T12:10:26Z) - Compass: Navigating Global Marine Lead Data Integration through Expert-Guided LLM Agent [55.77954024801206]
海洋鉛(Pb)とその同位体は海洋循環と人為的汚染にとって重要なトレーサーである。
手動抽出はスケールできないが、汎用大規模言語モデル(LLM)は必要なドメイン固有の知識を欠いている。
我々は,LLMが微調整なしで厳密な科学的データ抽出を行うことのできる専門家誘導型適応手法を提案する。
論文 参考訳（メタデータ） (2026-05-28T14:06:25Z) - MarsRetrieval: Benchmarking Vision-Language Models for Planetary-Scale Geospatial Retrieval on Mars [21.01507072531742]
火星の地理空間探索のための視覚言語モデルを評価するためのベンチマークであるMarsRetrievalを紹介する。
マルチモーダル埋め込みアーキテクチャをベンチマークするための統合検索中心プロトコルを提案する。
我々の評価では、MarsRetrievalは困難であり、強力な基礎モデルでさえしばしばドメイン固有の地形的区別を捉えない。
論文 参考訳（メタデータ） (2026-02-15T02:41:56Z) - Mars-Bench: A Benchmark for Evaluating Foundation Models for Mars Science Tasks [7.399515278460871]
他の領域における進歩の鍵となるのは、体系的な評価をサポートする標準化されたベンチマークが利用可能になったことである。
火星に関する幅広いタスクのモデルを体系的に評価するために設計された最初のベンチマークであるMars-Benchを紹介する。
我々は、自然画像、地球衛星データ、最先端のビジョン言語モデルに基づいて事前訓練されたモデルを用いて、標準化された、使用可能なデータセットとベースライン評価を提供する。
論文 参考訳（メタデータ） (2025-10-28T02:34:08Z) - Inpainting the Red Planet: Diffusion Models for the Reconstruction of Martian Environments in Virtual Reality [0.0]
訓練は、NASAのHiRISE調査から得られた12000個の火星高度マップで実施された。
非均一な再スケーリング戦略は、固定された128x128モデル解像度にリサイズする前に、複数のスケールにわたる地形の特徴をキャプチャする。
その結果,本手法は再建精度(RMSEでは4～15%)と知覚的類似性(LPIPSでは29～81%)において,元のデータより一貫して優れていた。
論文 参考訳（メタデータ） (2025-10-16T15:02:05Z) - Towards LLM Agents for Earth Observation [63.163707376462405]
これは、NASAの地球観測所の記事から13のトピックと17の衛星センサーに関する140のイエス/ノーの質問のベンチマークである。
Google Earth Engine APIをツールとして使用すると、LLMエージェントは58%以上のコードを実行できないため、33%の精度しか達成できない。
我々は、合成データを微調整することで、オープンモデルの失敗率を改善し、より小さなモデルの方が、はるかに大きなモデルに匹敵する精度が得られるようにした。
論文 参考訳（メタデータ） (2025-04-16T14:19:25Z) - OmniGeo: Towards a Multimodal Large Language Models for Geospatial Artificial Intelligence [51.0456395687016]
マルチモーダル大言語モデル(LLM)が人工知能の新しいフロンティアをオープンした。
地理空間応用に適したMLLM(OmniGeo)を提案する。
自然言語理解の長所と空間的推論の長所を組み合わせることで,GeoAIシステムの指示追従能力と精度を高めることができる。
論文 参考訳（メタデータ） (2025-03-20T16:45:48Z) - Investigating the Capabilities of Deep Learning for Processing and Interpreting One-Shot Multi-offset GPR Data: A Numerical Case Study for Lunar and Martian Environments [9.150932930653921]
地中レーダー(GPR)は、過去10年間に惑星科学で人気を博してきた、成熟した物理手法である。
GPRはルナーと火星のミッションの両方に使われ、地球外惑星の表面地質に関する重要な情報を提供している。
本稿では,GPRデータの解釈・処理におけるディープラーニングの可能性について検討する。
論文 参考訳（メタデータ） (2024-10-18T11:38:29Z) - FREE: The Foundational Semantic Recognition for Modeling Environmental Ecosystems [56.0640340392818]
我々は、様々な特徴と利用可能な情報を使ってユニバーサルモデルを訓練するフレームワーク、FREEを導入する。
その中核となる考え方は、利用可能な環境データをテキスト空間にマッピングし、環境科学における従来の予測モデリングタスクを意味認識問題に変換することである。
河川水温予測と収穫量予測という2つの社会学的に重要な実世界の応用に対する評価は、FREEが複数のベースラインよりも優れていることを示す。
論文 参考訳（メタデータ） (2023-11-17T00:53:09Z) - Towards Robust Monocular Visual Odometry for Flying Robots on Planetary
Missions [49.79068659889639]
火星に着陸したばかりのIngenuityは、トラバーサビリティの影響を受けない新時代の探検の始まりとなるでしょう。
高速な光フロートラッキングを用いた高能率単分子オードメトリーアルゴリズムを提案する。
また、相対翻訳情報行列の主成分分析に基づいて、スケールドリフトの現在のリスクを推定する新しい手法を提案する。
論文 参考訳（メタデータ） (2021-09-12T12:52:20Z)
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。