Fugu-MT 論文翻訳(概要): MolParser-Mobile: Ultrafast OCSR System for Large-Scale Chemical Literature Mining

論文の概要: MolParser-Mobile: Ultrafast OCSR System for Large-Scale Chemical Literature Mining

arxiv url: http://arxiv.org/abs/2609.05807v1
Date: Sat, 05 Sep 2026 01:44:22 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-12 12:39:05.688423
Title: MolParser-Mobile: Ultrafast OCSR System for Large-Scale Chemical Literature Mining
Title（参考訳）: MolParser-Mobile:大規模化学文献マイニングのための超高速OCSRシステム
Abstract要約: Mol-MobileはAutoMLに最適化されたエンドツーエンドの光学化学構造認識フレームワークである。 Mol-Mobileは9.98Mパラメータしか含まないが、1つのNVIDIA 4090D GPU上で毎秒1,520分子のスループットに達する。競争力を維持し、いくつかのベンチマークでは認識精度が優れている。
参考スコア（独自算出の注目度）: 12.91047864763985
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Optical Chemical Structure Recognition (OCSR) is a fundamental component of chemical literature mining, enabling molecular database construction, reaction extraction, and AI-driven scientific discovery. Despite substantial progress in recognition accuracy with recent deep learning-based methods, inference throughput remains a critical bottleneck that limits web-scale deployment. To address this challenge, we propose MolParser-Mobile, an AutoML-optimized lightweight end-to-end OCSR framework. MolParser-Mobile contains only 9.98M parameters, while reaching a throughput of 1,520 molecules per second on a single NVIDIA RTX 4090D GPU. Despite its compact design, it maintains competitive and, on several benchmarks, superior recognition accuracy.
Abstract（参考訳）: 光化学構造認識(OCSR)は、分子データベースの構築、反応抽出、AIによる科学的発見を可能にする、化学文献採掘の基本的な構成要素である。最近のディープラーニングベースの手法による認識精度の大幅な向上にもかかわらず、推論スループットはWebスケールのデプロイメントを制限する重要なボトルネックであり続けている。この課題に対処するために,AutoMLを最適化した軽量なエンドツーエンドOCSRフレームワークであるMolParser-Mobileを提案する。 MolParser-Mobileは9.98Mパラメータしか含まないが、1つのNVIDIA RTX 4090D GPU上で毎秒1,520分子のスループットに達する。コンパクトな設計にもかかわらず、競争力を維持し、いくつかのベンチマークでは認識精度が優れている。

関連論文リスト

MolLingo: Molecule-Native Representations for LLM-Powered Scientific Agents [57.28652712579434]
分子設計を自動化するために化学者の推論過程をエミュレートするマルチエージェントシステムであるMolLingoを提案する。 MolLingoは、共有メモリモジュールを通じて、文学エージェント、化学エージェント、オーケストレーションをコーディネートすることで、この問題に対処する。初期治療設計におけるケーススタディとして、MolLingoは、結合部位の幾何学と残基レベルのタンパク質コンテキストにおけるChemist Agentの推論を根拠にしている。
論文参考訳（メタデータ） (2026-05-27T02:11:23Z)
MSAlign: Aligning Molecule and Mass Spectra Foundation Models for Metabolite Identification [11.133897813950789]
分子の集合が与えられたMS/MSスペクトルから代謝物の化学構造を復元することからなる分子検索タスクに対処する。本稿では,表現アライメントとコントラスト学習に基づく最近のアプローチを包含する統合フレームワークを提案する。 MSAlignは実装が簡単で、トレーニングが速く、すべてのベンチマークで既存のアプローチよりも一貫して優れています。
論文参考訳（メタデータ） (2026-05-19T12:19:35Z)
MolRecBench-Wild: A Real-World Benchmark for Optical Chemical Structure Recognition [38.137828836708806]
光化学構造認識は、科学文献の分子図を機械可読形式に変換することを目的としている。分子図の視覚的干渉と化学的意味論を共同で特徴付ける,37個の細粒度ラベルを持つ2次元難易度フレームワークMOSAICを紹介する。この枠組みに基づき、820の最近の化学論文から5,029構造のベンチマークである MolRecBench-Wild を構築する。
論文参考訳（メタデータ） (2026-05-07T08:08:52Z)
Breaking the Modality Barrier: Generative Modeling for Accurate Molecule Retrieval from Mass Spectra [60.08608779794957]
本稿では,ジェネレーティブ言語モデルに基づく検索フレームワークであるGLMRを提案する。検索前の段階では、比較学習に基づくモデルでは、上位候補分子を入力質量スペクトルの文脈的先行として識別する。生成検索段階において、これらの候補分子は入力質量スペクトルと統合され、精製された分子構造を生成するための生成モデルが導かれる。
論文参考訳（メタデータ） (2025-11-09T07:25:53Z)
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)
GTR-CoT: Graph Traversal as Visual Chain of Thought for Molecular Structure Recognition [60.76623665324548]
GTR-Mol-VLMは、2つの重要な革新を特徴とする新しいフレームワークである。シーケンシャルな原子結合予測を通じて分子グラフを段階的に解析することで、人間の推論をエミュレートする。 MolRec-BenchはOCSRにおけるグラフパーシング精度の詳細な評価のために設計された最初のベンチマークである。
論文参考訳（メタデータ） (2025-06-09T08:47:10Z)
MolMole: Molecule Mining from Scientific Literature [10.183226397580876]
MolMoleは、分子検出、反応図解析、光学化学構造認識を統合するビジョンベースのディープラーニングフレームワークである。分子境界ボックス,反応ラベル,MOLファイルを付加した550ページのテストセットを提示する。 MolMoleはベンチマークと公開データセットの両方で既存のツールキットよりも優れています。
論文参考訳（メタデータ） (2025-04-30T09:30:04Z)
RFL: Simplifying Chemical Structure Recognition with Ring-Free Language [66.47173094346115]
化学構造を階層的に記述する新しいリング自由言語(RFL)を提案する。 RFLは複雑な分子構造を複数の部分に分解し、特異性と簡潔性の両方を保証する。分子骨格と個々の環を段階的に予測する骨格生成モジュールからなる普遍的な分子骨格デコーダ(MSD)を提案する。
論文参考訳（メタデータ） (2024-12-10T15:29:32Z)
MolParser: End-to-end Visual Recognition of Molecule Structures in the Wild [17.846545370594452]
両端から端までの新しい化学構造認識法であるモールについて述べる。 SMILES符号化法を用いて,最大のアノテート分子画像データセットである Mol-7M をアノテートする。我々は、カリキュラム学習アプローチを用いて、エンドツーエンドの分子画像キャプションモデル、Molを訓練した。
論文参考訳（メタデータ） (2024-11-17T15:00:09Z)
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)

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。