論文の概要: CheMLFlow: An Open-Source Platform for Cheminformatics and Materials Informatics Applications

• arxiv url: http://arxiv.org/abs/2608.04942v1
• Date: Wed, 05 Aug 2026 15:08:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:43.968516
• Title: CheMLFlow: An Open-Source Platform for Cheminformatics and Materials Informatics Applications
• Title（参考訳）: CheMLFlow: ケミノフォマティクスとマテリアルインフォマティクスアプリケーションのためのオープンソースプラットフォーム
• Authors: Brendan Smith, Susana Lopez-Moreno, Eric Dolores-Cuenca, Sangil Kim, Jose L. Mendoza-Cortes, Nijamudheen Abdulrahiman,
• Abstract要約: CheMLFlowは、エンドツーエンドの機械学習パイプラインの構築と実行のためのオープンソースのプラットフォームである。 CheMLFlowは、実行可能なリファレンスパイプライン、標準化されたアーティファクト、評価出力を提供する。 本稿では, 量子力学, 物理化学的, 生物活性特性予測のための性能に達するシステムアーキテクチャ, コア, 文学, ベンチマークについて述べる。
• 参考スコア（独自算出の注目度）: 0.23090185577016445
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: CheMLFlow is an open-source platform for building and executing end-to-end, high-throughput, and agentic workflows for scientific and technological applications. CheMLFlow targets a common bottleneck in scientific machine learning development, where researchers often need to assemble data acquisition, curation, representation, model training, validation, screening, interpretation, and reporting into a reproducible pipeline, even when their primary research contribution concerns only one stage. CheMLFlow provides modular workflow components, ready-to-run reference pipelines, standardized artifacts, and evaluation outputs that reduce orchestration overhead and support benchmarking across methods and datasets. The platform is designed to be extensible, reproducible, and automation friendly, with pluggable representations and models, deterministic splits, explicit run artifacts, batch execution, and report generation. As scientific software increasingly moves toward agent assisted experimentation, CheMLFlow's configuration driven workflows and structured outputs also provide a practical interface for coding agents to help users construct experiments, inspect results, and summarize findings under human supervision. This article describes the system architecture, core workflows, and benchmarks that reach literature performance for quantum mechanical, physicochemical and bioactivity property prediction, and use cases involving time series datasets demonstrating applications beyond molecular chemistry datasets.
• Abstract（参考訳）: CheMLFlowは、科学的および技術的アプリケーションのためのエンドツーエンド、ハイスループット、エージェントワークフローの構築と実行のためのオープンソースのプラットフォームである。 CheMLFlowは、研究者がデータ取得、キュレーション、表現、モデルトレーニング、バリデーション、スクリーニング、解釈、再現可能なパイプラインへのレポートを組み立てる必要がしばしばある科学機械学習開発において、一般的なボトルネックを目標としている。 CheMLFlowは、モジュール化されたワークフローコンポーネント、準備された参照パイプライン、標準化されたアーティファクト、評価出力を提供し、オーケストレーションオーバーヘッドを低減し、メソッドやデータセット間のベンチマークをサポートする。 プラットフォームは拡張性、再現性、自動化に優しいように設計されており、プラグイン可能な表現とモデル、決定論的分割、明示的な実行アーティファクト、バッチ実行、レポート生成を備えている。 科学ソフトウェアがエージェント支援実験へと進むにつれ、CheMLFlowの構成駆動ワークフローと構造化アウトプットは、ユーザが実験を構築し、結果を検査し、人間の監督の下で結果を要約するのに役立つコーディングエージェントの実用的なインターフェースを提供する。 本稿では, 量子力学, 物理化学, 生物活性特性予測のための文献性能に到達したシステムアーキテクチャ, コアワークフロー, ベンチマーク, および, 分子化学データセット以外の応用を実証する時系列データセットを含むユースケースについて述べる。

関連論文リスト

• ChemGraph-XANES: An Agentic Framework for XANES Simulation and Analysis [4.554542395453299]
  ChemGraph-XANESはXANESの自動シミュレーションと分析のためのエージェントフレームワークである。 自然言語タスク仕様、構造取得、FDMNES入力生成、スペクトル正規化、データキュレーションを統一する。
  論文  参考訳（メタデータ） (2026-04-17T16:15:19Z)
• MCP-Flow: Facilitating LLM Agents to Master Real-World, Diverse and Scaling MCP Tools [58.5971352939562]
  大規模言語モデルは、複雑で現実的なタスクを実行するために、ますます外部ツールに依存しています。 既存のMSPリサーチは、少数のサーバーをカバーし、コストのかかる手作業によるキュレーションに依存し、トレーニングサポートが欠如している。 我々は大規模なサーバ発見、データ合成、モデルトレーニングのための自動Webエージェント駆動パイプラインであるMPP-Flowを紹介した。
  論文  参考訳（メタデータ） (2025-10-28T10:42:17Z)
• LLM Agents for Interactive Workflow Provenance: Reference Architecture and Evaluation Methodology [3.470217255779291]
  本稿では,対話型大規模言語モデル(LLM)エージェントをランタイムデータ解析に活用する評価手法,参照アーキテクチャ,オープンソース実装を提案する。 提案手法では,自然言語を構造化された前処理クエリに変換する軽量なメタデータ駆動型設計を用いる。 LLaMA、GPT、Gemini、Claudeにまたがる評価では、多様なクエリクラスと現実世界の化学ワークフローを網羅し、モジュール設計、即時チューニング、Retrieval-Augmented Generation (RAG)が正確で洞察に富んだエージェント応答を可能にすることを示している。
  論文  参考訳（メタデータ） (2025-09-17T13:51:29Z)
• ChemActor: Enhancing Automated Extraction of Chemical Synthesis Actions with LLM-Generated Data [53.78763789036172]
  ケミカルエグゼキュータとして完全微調整された大規模言語モデル(LLM)であるChemActorを紹介し,非構造化実験手順と構造化動作シーケンスを変換する。 このフレームワークは、分散分散に基づくデータ選択モジュールと汎用LLMを統合し、単一の分子入力からマシン実行可能なアクションを生成する。 反応記述(R2D)と記述記述処理(D2A)のタスクの実験により、ChemActorは最先端のパフォーマンスを達成し、ベースラインモデルよりも10%高い性能を示した。
  論文  参考訳（メタデータ） (2025-06-30T05:11:19Z)
• Benchmarking Agentic Workflow Generation [80.74757493266057]
  複数面シナリオと複雑なグラフワークフロー構造を備えた統合ワークフロー生成ベンチマークであるWorfBenchを紹介する。 また,サブシーケンスとサブグラフマッチングアルゴリズムを利用したシステム評価プロトコルWorfEvalを提案する。 我々は、生成されたタスクが下流のタスクを強化し、推論中により少ない時間で優れたパフォーマンスを達成することを観察する。
  論文  参考訳（メタデータ） (2024-10-10T12:41:19Z)
• SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
  本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。 しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
  論文  参考訳（メタデータ） (2021-12-22T14:45:37Z)

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。