論文の概要: AstroSpecLM: A Spectrum-Language Model for Evidence-Grounded Astronomical Spectral Analysis

• arxiv url: http://arxiv.org/abs/2609.07102v1
• Date: Mon, 07 Sep 2026 06:44:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.373357
• Title: AstroSpecLM: A Spectrum-Language Model for Evidence-Grounded Astronomical Spectral Analysis
• Title（参考訳）: AstroSpecLM:エビデンスを取り巻く分光分析のためのスペクトルランゲージモデル
• Abstract要約: 本稿では,Qwen3-4Bで1次元DESIスペクトルを接続するスペクトル言語モデルAstroSpecLMを提案する。 まず、各スペクトルをカタログおよびスペクトル由来の事象のコンパクトな集合に蒸留し、これらの事実を参照として使用して、指示追従会話を生成する。 以上の結果から,一次元の科学的スペクトルで言語モデルを構築することは可能であり,事実による指導データから予測と説明の両立が可能なモデルが得られることが示唆された。
• 参考スコア（独自算出の注目度）: 2.6513685737789463
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Astronomical spectra encode rich physical information, but drawing scientific conclusions from spectral features typically requires expert interpretation. This paper presents AstroSpecLM, a spectrum-language model that connects one-dimensional DESI spectra with Qwen3-4B to answer questions and provide explanations grounded in spectral evidence. Instead of generating question-answer pairs directly from templates or raw catalog fields, we first distill each spectrum into a compact set of catalog- and spectrum-derived facts, then use these facts as references to generate instruction-following conversations. The resulting model is competitive with specialist supervised baselines on classification and redshift estimation, while additionally producing natural-language explanations that reference specific spectral features. Our results indicate that grounding a language model in one-dimensional scientific spectra is feasible, and that fact-mediated instruction data yields a model capable of both prediction and explanation.
• Abstract（参考訳）: 天文学的なスペクトルは豊富な物理情報をエンコードするが、スペクトルの特徴から科学的結論を導き出すには、通常は専門家の解釈が必要である。 本稿では,Qwen3-4Bと一次元DESIスペクトルを結合したスペクトル言語モデルAstroSpecLMを提案する。 テンプレートや生のカタログフィールドから直接質問応答ペアを生成する代わりに、まず各スペクトルをカタログおよびスペクトル由来の事象のコンパクトなセットに蒸留し、これらの事実を参照として使用して、指示追従会話を生成する。 得られたモデルは、分類と赤方偏移推定の専門教師によるベースラインと競合する一方で、特定のスペクトル特徴を参照する自然言語の説明も生成する。 以上の結果から,一次元の科学的スペクトルで言語モデルを構築することは可能であり,事実による指導データから予測と説明の両立が可能なモデルが得られることが示唆された。

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)
• Universal Spectral Tokenization via Self-Supervised Panchromatic Representation Learning [39.14992490784682]
  連続した科学的データは、多くの解像度と領域にまたがり、それらを共通の表現に統一することは、科学の基礎モデルを開発するための重要なステップである。 ヘテロジニアススペクトルを自己監督的に学習する深層学習モデルを提案する。 初めて、単一のモデルが、解像度と領域をまたいだスペクトルデータを統一できることを実証した。
  論文  参考訳（メタデータ） (2025-10-20T18:00:00Z)
• 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)
• SpecCLIP: Aligning and Translating Spectroscopic Measurements for Stars [6.314253302704276]
  我々は、LLMにインスパイアされた方法論を恒星スペクトル分析に拡張する基盤モデルフレームワークであるSpecCLIPを提案する。 大規模データセットの基盤モデルをトレーニングすることで、さまざまな下流アプリケーションをサポートする堅牢で情報に富んだ埋め込みを学ぶことが私たちのゴールです。 これらのモデルを中規模ラベル付きデータセットに微調整することで、恒星パラメータ推定や化学特性決定といったタスクへの適応性が向上することを示した。
  論文  参考訳（メタデータ） (2025-07-02T17:49:52Z)
• CARL: Camera-Agnostic Representation Learning for Spectral Image Analysis [69.02751635551724]
  スペクトルイメージングは、医療や都市景観の理解など、様々な領域で有望な応用を提供する。 スペクトルカメラのチャネル次元と捕獲波長のばらつきは、AI駆動方式の開発を妨げる。 本稿では,RGB,マルチスペクトル,ハイパースペクトル画像を用いたカメラ非依存表現学習モデルCARLを紹介する。
  論文  参考訳（メタデータ） (2025-04-27T13:06:40Z)
• SpecReX: Explainable AI for Raman Spectroscopy [4.541069830146568]
  本稿ではRamanスペクトルの説明に特化したSpecReXを紹介する。 SpecReXは実際の因果関係の理論を用いてスペクトルの因果責任をランク付けする。 SpecReXがクラス間の既知の差異にローカライズできることを確立します。
  論文  参考訳（メタデータ） (2025-03-18T10:49:15Z)
• SpectralNeRF: Physically Based Spectral Rendering with Neural Radiance Field [70.15900280156262]
  本稿では,新しいスペクトルの観点から,高品質な物理ベースレンダリングのためのエンドツーエンドニューラルラジアンスフィールド(NeRF)アーキテクチャを提案する。 スペクトルNeRFは、合成データセットと実データセットの新しいビューを合成する際に、最近のNeRFベースの方法よりも優れている。
  論文  参考訳（メタデータ） (2023-12-14T07:19:31Z)
• Specformer: Spectral Graph Neural Networks Meet Transformers [51.644312964537356]
  スペクトルグラフニューラルネットワーク(GNN)は、スペクトル領域グラフ畳み込みを通じてグラフ表現を学習する。 本稿では、全ての固有値の集合を効果的に符号化し、スペクトル領域で自己アテンションを行うSpecformerを紹介する。 複数のSpecformerレイヤを積み重ねることで、強力なスペクトルGNNを構築することができる。
  論文  参考訳（メタデータ） (2023-03-02T07:36:23Z)
• Unsupervised Spectral Unmixing For Telluric Correction Using A Neural Network Autoencoder [58.720142291102135]
  本研究では,HARPS-N線速度スペクトルから高精度の太陽スペクトルを抽出するニューラルネットワークオートエンコーダ手法を提案する。
  論文  参考訳（メタデータ） (2021-11-17T12:54:48Z)
• Spectra of Perfect State Transfer Hamiltonians on Fractal-Like Graphs [62.997667081978825]
  完全量子状態移動の特別な性質を示すハミルトニアンのフラクタル様グラフのスペクトル特性について検討する。 基本的な目標は、完全な量子状態転移、スペクトル特性、基礎となるグラフの幾何学の間の相互作用を理解するための理論的枠組みを開発することである。
  論文  参考訳（メタデータ） (2020-03-25T02:46:14Z)
• Persistent spectral based machine learning (PerSpect ML) for drug design [0.0]
  薬物設計のための永続スペクトルベース機械学習(PerSpect ML)モデルを提案する。 我々は、11の永続スペクトル変数を考慮し、タンパク質-リガンド結合親和性予測における機械学習モデルの特徴として利用する。 これらのデータベースに対する私たちの結果は、知る限り、既存のすべてのモデルよりも優れています。
  論文  参考訳（メタデータ） (2020-02-03T07:14:21Z)

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。