論文の概要: AskChem: Claim-Centered Infrastructure for Chemistry Literature Synthesis
- arxiv url: http://arxiv.org/abs/2607.28618v1
- Date: Thu, 30 Jul 2026 17:59:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-31 21:37:00.711349
- Title: AskChem: Claim-Centered Infrastructure for Chemistry Literature Synthesis
- Title（参考訳）: AskChem:化学合成のためのクレーム中心のインフラ
- Abstract要約: 我々は、クロスペーパー化学検索のためのクレーム中心のインフラであるAskChemを紹介する。
AskChemは、検索の単位を論文から証明付きクレームに変更する。
現在、147Kの論文から2.4万件のクレームをインデクシングし、Webインターフェース、REST、SDK、AIエージェントへのMPPアクセスを提供する。
- 参考スコア（独自算出の注目度）: 40.2347408290831
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Chemistry literature synthesis often requires assembling specific findings scattered across many publications, yet existing literature-search systems primarily return ranked document lists. As a result, scientists and AI agents need to locate relevant information, verify their provenance, and assemble cross-paper answers manually. We present AskChem, a claim-centered infrastructure for cross-paper chemistry search. AskChem changes the unit of retrieval from the paper to the provenance-carrying claim: each paper is converted into atomic, typed claims, each grounded by a source DOI and a verbatim quote or an explicit evidence locator. Over this shared claim store, AskChem exposes complementary structures for search and synthesis: a stabilized faceted taxonomy for hierarchical retrieval and browsing, an evidence graph linking claims through relations, and an exploratory living taxonomy that situates indexed papers under scientific principles. AskChem currently indexes 2.4M claims from 147K papers and provides a web interface, as well as REST, SDK, and MCP access for AI agents. On AskChem-Bench, grounding a GPT-5.5 reader in AskChem yields 100% resolvable DOIs, compared with 88.3% without retrieval, and the highest citation density among five tested systems. AskChem is live at https://askchem.org.
- Abstract（参考訳）: 化学文献合成は、多くの出版物に散在する特定の発見を組み立てる必要があるが、既存の文献検索システムは、主にランク付けされた文書リストを返す。
その結果、科学者やAIエージェントは、関連する情報を見つけ出し、証明し、手動でクロスペーパーの回答を組み立てる必要がある。
我々は、クロスペーパー化学検索のためのクレーム中心のインフラであるAskChemを紹介する。
AskChemは、論文からの検索単位を、証明付きクレームに変更する: 各論文は、ソースDOIと冗長な引用または明示的なエビデンスロケータによって根拠付けられた、アトミックな、型付きクレームに変換される。
この共有クレームストアでは、AskChemは検索と合成のための補完的な構造を公開しており、階層的検索とブラウジングのための安定化された顔の分類、関係を通じてクレームをリンクするエビデンスグラフ、科学原理の下でインデックス化された論文を並べた探索的な生きた分類である。
AskChemは現在、147Kの論文から2.4Mのクレームをインデックスし、Webインターフェース、REST、SDK、AIエージェントのMPPアクセスを提供する。
AskChem-Benchでは、AskChemのGPT-5.5リーダーを接地すると100%解決可能なDOIが生成される。
AskChemはhttps://askchem.org.comで公開されている。
関連論文リスト
- LitTraceQA: A Benchmark for Multi-Stage Grounding and Verification in Scientific Question Answering [30.616598264585203]
本稿では,学術論文に対する文献的回答のベンチマークであるLitTraceQAを紹介する。
研究質問と論文のメタデータプールが与えられた場合、システムは3つの接続された出力を返す必要がある。
我々は4,859枚のユニークなゴールド・ペーパーの4,978枚のユニーク・クエスト・レコードを用いて、より大規模な最終アノテーション・コレクションを解析した。
論文 参考訳（メタデータ） (2026-08-07T16:11:52Z) - MinerU.Chem: A High-Precision System for Optical Chemical Structure and Reaction Recognition [91.38955433649268]
MinerU-Chemは、MinerUオンラインプラットフォームに統合された有機化学文献の文書解析システムである。
MinerUの汎用文書解析パイプライン上に構築されたMinerU-Chemは、化学固有の5つのモジュールを追加する。
分子構造認識において、MinerU-Chemはコア表現としてCARBONを使用している。
論文 参考訳（メタデータ） (2026-08-04T12:09:02Z) - Agents-K1: Towards Agent-native Knowledge Orchestration [59.22667222947257]
textbfAgents-K1はエンドツーエンドの知識オーケストレーションパイプラインである。
生文書をエージェントネイティブな科学知識グラフに変換する。
我々は6つの被験者にわたる246万件の科学論文を処理し、TextbfScholar-KGを作成し、そのうち100万件の論文のサブセットを公開します。
論文 参考訳（メタデータ） (2026-06-11T17:58:35Z) - AgentCAT: An LLM Agent for Extracting and Analyzing Catalytic Reaction Data from Chemical Engineering Literature [55.66036140125613]
本稿では,化学工学論文から触媒反応データを抽出し,解析する大規模言語モデル (LLM) エージェントであるAgentCATを提案する。
AgentCATは、化学工学分野における長年のデータボトルネックを克服する代替手段として機能する。
論文 参考訳（メタデータ） (2026-02-10T04:30:11Z) - PaperSearchQA: Learning to Search and Reason over Scientific Papers with RLVR [64.22412492998754]
我々は,1600万件のバイオメディカルペーパーを要約した検索コーパスを公開し,PaperSearchQAと呼ばれるファクトイックなQAデータセットを構築した。
我々は,この環境における検索エージェントを訓練し,非RL検索ベースラインを上回ります。
我々のデータ生成方法はスケーラブルで、他の科学領域にも容易に拡張できます。
論文 参考訳（メタデータ） (2026-01-26T06:46:16Z) - SQuAI: Scientific Question-Answering with Multi-Agent Retrieval-Augmented Generation [4.224843546370802]
SQuAIは、科学的質問応答のためのスケーラブルで信頼性の高いマルチエージェント検索拡張生成フレームワークである。
SQuAIは、arXiv.orgから230万以上のフルテキストの論文に基づいて構築されており、複雑な質問をサブクエストに分解するために4つの協力エージェントを使用している。
我々のシステムは,強いRAGベースライン上での忠実度,回答関連性,文脈関連性を+0.088 (12%)向上させる。
論文 参考訳（メタデータ） (2025-10-17T14:20:55Z) - Benchmarking Retrieval-Augmented Generation for Chemistry [28.592844362931853]
Retrieval-augmented Generationは、外部知識で大規模言語モデルを拡張するためのフレームワークである。
ChemRAG-Benchは、様々な化学関連タスクにおけるRAGの有効性を評価するために設計されたベンチマークである。
ChemRAG-Toolkitは,5つの検索アルゴリズムと8つのLLMをサポートするモジュールツールキットである。
論文 参考訳（メタデータ） (2025-05-12T15:34:45Z) - ChemRxivQuest: A Curated Chemistry Question-Answer Database Extracted from ChemRxiv Preprints [0.0]
ChemRxivQuestは、17のサブフィールドにわたる155のChemRxivプリプリントから、高品質なQA(QA)ペア970のキュレートされたデータセットである。
各QAペアは、トレーサビリティとコンテキスト精度を確保するために、ソーステキストセグメントに明示的にリンクされている。
ChemRxivQuestは光学文字認識(OCR)、GPT-4oベースのQA生成とファジィマッチング技術を組み合わせた自動パイプラインを用いて構築された。
論文 参考訳（メタデータ） (2025-05-08T13:26:33Z) - ChemMiner: A Large Language Model Agent System for Chemical Literature Data Mining [56.15126714863963]
ChemMinerは、文学から化学データを抽出するエンドツーエンドのフレームワークである。
ChemMinerには、コア参照マッピングのためのテキスト分析エージェント、非テキスト情報抽出のためのマルチモーダルエージェント、データ生成のための合成分析エージェントの3つの特殊エージェントが組み込まれている。
実験の結果,ヒト化学者に匹敵する反応同定率を示すとともに,高い精度,リコール,F1スコアで処理時間を著しく短縮した。
論文 参考訳（メタデータ） (2024-02-20T13:21:46Z) - PaperQA: Retrieval-Augmented Generative Agent for Scientific Research [41.9628176602676]
本稿では,科学文献に関する質問に回答するためのRAGエージェントPaperQAを紹介する。
PaperQAは、全文の科学論文を通じて情報検索を行い、ソースやパスの関連性を評価し、RAGを使用して回答を提供するエージェントである。
また、文献全体にわたる全文科学論文からの情報の検索と合成を必要とする、より複雑なベンチマークであるLitQAを紹介する。
論文 参考訳（メタデータ） (2023-12-08T18:50:20Z) - Chemist-X: Large Language Model-empowered Agent for Reaction Condition Recommendation in Chemical Synthesis [55.30328162764292]
Chemist-Xは、化学合成における反応条件最適化(RCO)タスクを自動化する包括的なAIエージェントである。
このエージェントは、検索強化世代(RAG)技術とAI制御のウェットラブ実験を実行する。
我々の自動ウェットラブ実験の結果は、LLMが制御するエンドツーエンドの操作を、ロボットに人間がいない状態で行うことで達成され、Chemist-Xの自動運転実験における能力が証明された。
論文 参考訳（メタデータ） (2023-11-16T01:21:33Z)
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。