論文の概要: Harnessing X-ray Absorption Spectroscopy Data through Multimodal Mining of Battery Literature
- arxiv url: http://arxiv.org/abs/2607.23886v3
- Date: Fri, 31 Jul 2026 03:06:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-03 14:29:40.207481
- Title: Harnessing X-ray Absorption Spectroscopy Data through Multimodal Mining of Battery Literature
- Title（参考訳）: 電池のマルチモーダルマイニングによるX線吸収分光データのハーネス化
- Abstract要約: X線吸収分光法(XAS)は、物質の局所電子構造と原子構造を理解する中心となる。
ここでは、分散された知識をAI対応の実験データリソースに変換するために、マルチモーダル(画像とテキスト)の文献マイニングを使用します。
このパイプラインをバッテリ文献に適用すると13,740のXASスペクトルが公開され、66個の吸収素子と多種多様なバッテリ化学にまたがる。
- 参考スコア（独自算出の注目度）: 9.15445868948706
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: X-ray absorption spectroscopy (XAS) is central to understanding the local electronic and atomic structure of materials, yet most published spectra remain inaccessible to data-driven analysis because they are embedded in figures and described through fragmented textual context in the literature. Here, we use multimodal (image and text) literature mining to transform this dispersed knowledge into an AI-ready experimental data resource. We developed a scalable spectroscopy data digitization pipeline that identifies XAS figures in full-text articles, digitizes spectral curves, and links each spectrum to accompanying metadata on the measured edge and material. Applying this pipeline to the battery literature produced an open dataset of 13,740 XAS spectra, spanning 66 absorbing elements and diverse battery chemistries, with expert validation confirming accurate extraction of spectral and metadata information. By converting literature-embedded spectra into structured numerical data, this dataset provides a foundation for large-scale XAS analysis, cross-laboratory comparison, high-throughput characterization, and autonomous discovery of advanced materials.
- Abstract（参考訳）: X線吸収分光法(XAS)は、物質の局所的な電子構造と原子構造を理解する上で中心的であるが、ほとんどの公表されたスペクトルは、図形に埋め込まれ、文献の断片化されたテキストの文脈を通して記述されるため、データ駆動分析にはアクセスできない。
ここでは、分散された知識をAI対応の実験データリソースに変換するために、マルチモーダル(画像とテキスト)の文献マイニングを使用します。
我々は、全文記事中のXAS図を識別し、スペクトル曲線をデジタル化し、各スペクトルを計測されたエッジと素材のメタデータにリンクするスケーラブルな分光データデジタル化パイプラインを開発した。
このパイプラインをバッテリ文献に適用することで、66個の吸収素子と多様なバッテリ化学にまたがる13,740のXASスペクトルのオープンデータセットを生成し、スペクトルとメタデータ情報の正確な抽出を専門家による検証を行った。
このデータセットは、文献埋込スペクトルを構造化された数値データに変換することにより、大規模XAS分析、クロスラボラトリー比較、高スループット特性、高度材料の自律的発見の基礎を提供する。
関連論文リスト
- Spectral Model eXplainer: a chemically-grounded explainability framework for spectral-based machine learning models [0.6487259764989486]
本研究では、スペクトル分類器をエキスパートインフォームドスペクトルゾーンで説明する、ポストホックでグローバルなモデルに依存しないXAIフレームワークであるスペクトルモデルeXplainer(SMX)を紹介する。
SMXはPCAを介して各ゾーンを要約し、量子ベースの論理述語を定義し、摂動による関係を推定し、有向重み付きグラフでバッグワイズランキングを集計する。
論文 参考訳（メタデータ） (2026-05-04T15:01:04Z) - Augmenting representations with scientific papers [0.820984376071696]
天文学者は、画像、スペクトル、時系列を含む膨大なマルチモーダルデータのリポジトリを取得した。
これらのデータソースは、体系的に統合されることはめったにない。
この研究は、X線スペクトルと科学文献から抽出された領域知識を整合させるために設計された対照的な学習フレームワークを導入する。
論文 参考訳（メタデータ） (2026-03-04T19:04:45Z) - Extracting latent representations from X-ray spectra. Classification, regression, and accretion signatures of Chandra sources [0.0]
本研究の目的は、深層学習を用いたチャンドラX線スペクトルのコンパクトで物理的に意味のある表現を開発することである。
変換器ベースのオートエンコーダを用いてX線スペクトルを圧縮する。
スペクトル再構成精度,クラスタリング性能,および物理量との相関から学習表現を評価する。
論文 参考訳（メタデータ） (2025-10-15T21:20:32Z) - HySemRAG: A Hybrid Semantic Retrieval-Augmented Generation Framework for Automated Literature Synthesis and Methodological Gap Analysis [55.2480439325792]
HySemRAGは、Extract, Transform, Load (ETL)パイプラインとRetrieval-Augmented Generation (RAG)を組み合わせたフレームワークである。
システムは、マルチ層アプローチを通じて既存のRAGアーキテクチャの制限に対処する。
論文 参考訳（メタデータ） (2025-08-01T20:30:42Z) - DiffSpectra: Molecular Structure Elucidation from Spectra using Diffusion Models [68.19129717255053]
本稿では、分子構造解明を条件生成プロセスとして定式化する生成フレームワークであるDiffSpectraについて述べる。
我々の実験では、DiffSpectraが分子構造を正確に解明し、40.76%のトップ-1と99.49%のトップ10を達成している。
論文 参考訳（メタデータ） (2025-07-09T13:57:20Z) - Towards a Unified Textual Graph Framework for Spectral Reasoning via Physical and Chemical Information Fusion [44.90118820073463]
本稿では,先行知識グラフと大規模言語モデルを統合する,新しいマルチモーダルスペクトル分析フレームワークを提案する。
本手法は,物理スペクトル測定と化学構造セマンティクスを統一的なテクスチャグラフ形式で表現することで橋渡しする。
本フレームワークは,ノードレベル,エッジレベル,グラフレベルなど,複数のスペクトル分析タスクにおいて一貫したパフォーマンスを実現する。
論文 参考訳（メタデータ） (2025-06-21T16:58:30Z) - 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) - Causal Discovery from Data Assisted by Large Language Models [50.193740129296245]
知識駆動発見のために、実験データと事前のドメイン知識を統合することが不可欠である。
本稿では、高分解能走査透過電子顕微鏡(STEM)データと大規模言語モデル(LLM)からの洞察を組み合わせることで、このアプローチを実証する。
SmドープBiFeO3(SmBFO)におけるChatGPTをドメイン固有文献に微調整することにより、構造的、化学的、分極的自由度の間の因果関係をマッピングするDAG(Directed Acyclic Graphs)の隣接行列を構築する。
論文 参考訳（メタデータ） (2025-03-18T02:14:49Z) - SpecTUS: Spectral Translator for Unknown Structures annotation from EI-MS spectra [0.0]
我々は、小分子の構造アノテーションのタスクに対処するディープニューラルネットワークであるSpecTUS: Spectral Translator for Unknown Structuresを提案する。
我々のモデルは、スペクトルから2次元表現への直接変換である構造的テクスムデノボの方法でスペクトルを解析する。
異なるライブラリにまたがる新規構造アノテーションタスクのモデルに対する厳密な評価では,標準データベース検索手法よりも広い範囲で性能が向上した。
論文 参考訳（メタデータ） (2025-02-07T17:36:13Z) - Interpretable Multimodal Machine Learning Analysis of X-ray Absorption Near-Edge Spectra and Pair Distribution Functions [0.0]
X線近縁スペクトル (XANES) と原子対分布関数 (PDFs) を組み合わせて, 遷移金属カチオンの局所構造と化学的環境を抽出する。
XANESのみのモデルは概してPDFのみのモデルよりも優れており、構造的なタスクでも優れていた。
論文 参考訳（メタデータ） (2024-10-22T22:49:31Z) - Datacube segmentation via Deep Spectral Clustering [76.48544221010424]
拡張ビジョン技術は、しばしばその解釈に挑戦する。
データ立方体スペクトルの巨大な次元性は、その統計的解釈において複雑なタスクを生じさせる。
本稿では,符号化空間における教師なしクラスタリング手法の適用の可能性について検討する。
統計的次元削減はアドホック訓練(可変)オートエンコーダで行い、クラスタリング処理は(学習可能な)反復K-Meansクラスタリングアルゴリズムで行う。
論文 参考訳（メタデータ） (2024-01-31T09:31:28Z) - Unsupervised Machine Learning for Exploratory Data Analysis of Exoplanet
Transmission Spectra [68.8204255655161]
我々は、通過する太陽系外惑星のスペクトルデータを解析するための教師なし手法に焦点をあてる。
スペクトルデータには、適切な低次元表現を要求する高い相関関係があることが示される。
主成分に基づく興味深い構造、すなわち、異なる化学状態に対応する明確に定義された分岐を明らかにする。
論文 参考訳（メタデータ） (2022-01-07T22:26:33Z)
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。