論文の概要: Generative artificial intelligence for reliable mechanistic reasoning for corrosion
- arxiv url: http://arxiv.org/abs/2609.00099v2
- Date: Sat, 05 Sep 2026 08:54:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-09 22:37:20.327953
- Title: Generative artificial intelligence for reliable mechanistic reasoning for corrosion
- Title（参考訳）: 耐食性を考慮した信頼性機械的推論のための生成人工知能
- Abstract要約: 本研究は,腐食知識合成のためのドメイン適応検索拡張生成フレームワークを提案する。
3つのオープンウェイト言語モデルは、840の査読された論文から3,309人の専門家が検証した質問応答ペアに微調整されている。
検索の強化により、Token F1の利得は143-194%となり、システム忠実度は0.964、コンテキストリコールは0.988となった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Corrosion accounts for approximately 4% of global GDP, and reliable prediction is essential for timely mitigation. Machine learning effectively predicts corrosion rates from composition, microstructure, and environmental variables, but cannot explain the underlying mechanisms. A reliable approach in safety-critical materials engineering requires not only accurate retrieval but also mechanistically defensible reasoning, a capability that existing factuality metrics cannot assess. This work presents a domain-adapted retrieval-augmented generation framework for corrosion knowledge synthesis, demonstrated on magnesium alloy corrosion. Three open-weight language models (Llama-3.1-8B, Qwen-2.5-7B, Mistral-7B) are fine-tuned on 3,309 expert-verified question-answer pairs from 840 peer-reviewed papers and integrated with a hybrid dense-lexical retrieval pipeline. Retrieval augmentation produces Token F1 gains of 143-194%, with system faithfulness of 0.964 and context recall of 0.988. Blind external validation on newly published literature and in-house electrochemical data confirms trend-level generalisation. Reason Map, a proposition-graph framework, is further introduced; it independently constructs directed evidence graphs from generated answers and retrieved literature, enabling systematic detection of causal direction inversions and unsupported inferential leaps that flat factuality metrics cannot expose. The modular architecture can be applied across domains, offering a generalizable blueprint for trustworthy AI-assisted knowledge synthesis to circumvent corrosion, which can also be applied to other engineering domains.
- Abstract（参考訳）: 腐食は世界のGDPの約4%を占めており、時間的緩和には信頼性の高い予測が不可欠である。
機械学習は、組成、ミクロ構造、環境変数からの腐食率を効果的に予測するが、基礎となるメカニズムは説明できない。
安全クリティカルな材料工学における信頼性の高いアプローチは、正確な検索だけでなく、既存の事実性指標が評価できない能力である機械的防御可能な推論も必要である。
本研究は, マグネシウム合金の腐食について実証した腐食知識合成のためのドメイン適応検索拡張生成フレームワークを提案する。
3つのオープンウェイト言語モデル(Llama-3.1-8B、Qwen-2.5-7B、Mistral-7B)は、840のピアレビューされた論文から3,309人の専門家が検証した質問応答対に微調整され、ハイブリッドの密度レキシカル検索パイプラインと統合される。
検索の強化により、Token F1の利得は143-194%となり、システム忠実度は0.964、コンテキストリコールは0.988となった。
新たに公表された文献および社内電気化学データの盲点外検証は、トレンドレベルの一般化を裏付ける。
提案グラフフレームワークであるReason Mapはさらに導入され、生成した回答と検索された文献から指示されたエビデンスグラフを独立に構築し、因果方向の逆転と、平坦な事実性メトリクスが露呈できない不適切な飛躍を体系的に検出することを可能にする。
モジュラーアーキテクチャはドメインにまたがって適用することができ、信頼性の高いAI支援知識合成のための一般化可能な青写真を提供し、腐食を回避する。
関連論文リスト
- IdeaAMBIG: Benchmarking Implementation-Critical Gaps in Research-Idea Specifications [52.570108663867046]
研究のアイデアは、新しく、一貫性があり、科学的に妥当であるが、その提案された手法は、忠実な実装のために不十分に指定されている。
提案手法は,実装を対象とする研究手法仕様の体系化の可否を,有能な実装者やコーディングエージェントに十分な方法論的情報を提供して,前提条件を満たさずに目的とする手法を構築することができるかを検討する。
IdeaAMBIGは660のエビデンス基底インスタンスのベンチマークで、レポートとGitHubの問題から163の現実世界のギャップと、コーディフィケーション対応のリファレンスに注入される合成ギャップを497のコントロールで管理する。
論文 参考訳（メタデータ） (2026-09-09T17:59:04Z) - Memory-First Fact-Checking: A Knowledge-Graph-Grounded Multi-Agent System for Misinformation Detection [42.698418800007865]
本稿では,知識グラフに基づくセマンティックメモリと逆多エージェント推論を統合し,説明可能な誤情報検出を行うハイブリッドファクトチェックフレームワークを提案する。
提案システムはメモリファーストのWebフォールバックアーキテクチャに従っており、入力クレームは2次元知識グラフに対して初期評価される。
グラフから取得した証拠が信頼性のある決定を支持するには不十分な場合には、信頼できるWebソースから情報を収集し、支持、矛盾、判断エージェントからなる相手方裁判を用いて評価する。
論文 参考訳（メタデータ） (2026-08-30T07:16:07Z) - ARIA: A Causal-Aware Framework for Rescuing LLM Reasoning in Trustworthy Materials Discovery [47.41577239591515]
我々は,機械的完全性に基づいて知識使用を条件付ける因果認識フレームワークであるARIAを紹介する。
ARIAは監査可能な因果トレースを生成し、物理的に座屈し、信頼できるAI支援材料発見を可能にする。
論文 参考訳（メタデータ） (2026-06-21T07:51:03Z) - Traceable Knowledge Graph Reasoning Enables LLM-Assisted Decision Support for Industrial VOCs in the Steel Industry [8.230004866661723]
Chat-ISVは知識グラフ(KG)の強化されたマルチエージェントQ&Aシステムで、キュレートされた鉄鋼産業VOCの文献コーパスを解析する。
断片化された環境工学の文献をトレース可能、クエリ可能、意思決定支援指向の知識に変換することで、Chat-ISVはスケーラブルな環境情報科学パラダイムを確立する。
論文 参考訳（メタデータ） (2026-05-26T14:21:23Z) - Verify Before You Fix: Agentic Execution Grounding for Trustworthy Cross-Language Code Analysis [0.0]
ソフトウェア脆弱性分析のための言語横断的な脆弱性ライフサイクルフレームワークを構築します。
89.84-92.02%の言語内検出精度,74.43-80.12%のゼロショット言語F1。
これらの結果は,LLM駆動型エージェントAIのための原理的かつ実用的に展開可能なメカニズムであることを示す。
論文 参考訳（メタデータ） (2026-04-12T20:22:23Z) - Towards Agentic Defect Reasoning: A Graph-Assisted Retrieval Framework for Laser Powder Bed Fusion [0.0]
本研究では,レーザー粉体融合における欠陥推論のためのグラフ支援検索フレームワークを提案する。
このフレームワークはセマンティックとグラフベースの検索を統合し、軽量なエージェントベースの推論層でサポートされている。
このフレームワークは、プロセスパラメータと欠陥をリンクする透過的な推論チェーンを可能にする。
論文 参考訳（メタデータ） (2026-04-05T18:01:31Z) - The Verification Crisis: Expert Perceptions of GenAI Disinformation and the Case for Reproducible Provenance [47.03825808787752]
本稿では,AI研究者,政策立案者,偽情報専門家による縦断的専門家意識調査(N=21)の第1波から得られた知見について述べる。
テキスト、画像、オーディオ、ビデオといったマルチモーダルな脅威の重大さを調査し、現在の緩和戦略を評価する。
その結果、ディープフェイクビデオは即時「衝撃」の値を示す一方で、大規模テキスト生成は「印象的断片化」のシステム的リスクをもたらすことが示された。
論文 参考訳（メタデータ） (2026-02-02T13:45:12Z) - VIRO: Robust and Efficient Neuro-Symbolic Reasoning with Verification for Referring Expression Comprehension [51.76841625486355]
Referring Expression (REC) は、自然言語クエリに対応する画像領域をローカライズすることを目的としている。
最近のニューロシンボリックRECアプローチは、大規模言語モデル(LLM)と視覚言語モデル(VLM)を利用して構成推論を行う。
推論ステップ内に軽量な演算子レベルの検証器を組み込む,ニューロシンボリックなフレームワークであるVIROを紹介する。
論文 参考訳（メタデータ） (2026-01-19T07:21:19Z) - Opening the Black Box: An Explainable, Few-shot AI4E Framework Informed by Physics and Expert Knowledge for Materials Engineering [5.815650691228101]
我々は、そのアーキテクチャ全体を通して物理と専門家の知識によって体系的に情報を得る、説明可能な、少数のAI4Eフレームワークを提示する。
私たちのアプローチは、エンジニアリングドメインの知識を直接アーキテクチャに組み込むAIシステムを開発するための青写真を提供します。
論文 参考訳（メタデータ） (2025-11-28T06:50:29Z) - A Theoretically Grounded Hybrid Ensemble for Reliable Detection of LLM-Generated Text [0.0]
本稿では,3つの相補的検出パラダイムを融合した,理論的に基礎付けられたハイブリッドアンサンブルを提案する。
中心となる新規性は、F1スコアを最大化する確率的単純度に基づいてアンサンブル重みを学習する最適化された重み付き投票フレームワークにある。
本システムでは、94.2%の精度と0.978のAUCを達成し、学術テキスト上での偽陽性を35%削減した。
論文 参考訳（メタデータ） (2025-11-27T06:42:56Z) - CONFIDE: Hallucination Assessment for Reliable Biomolecular Structure Prediction and Design [46.12506067241116]
本稿では,位相的フラストレーションを定量化する自己評価尺度であるCODE(Chain of Diffusion Embeddings)を提案する。
エネルギー的およびトポロジ的視点を組み合わせた統合評価フレームワークであるCONFIDEを提案する。
データ駆動の埋め込みと理論的な洞察を組み合わせることで、CODEとConFIDEは、幅広い生体分子システムで既存の指標より優れています。
論文 参考訳（メタデータ） (2025-11-20T03:38:46Z) - 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)
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。