Fugu-MT 論文翻訳(概要): Mined from Scientific Literature: Process Schemas for Atomic Layer Deposition and Etching in Materials Science

論文の概要: Mined from Scientific Literature: Process Schemas for Atomic Layer Deposition and Etching in Materials Science

arxiv url: http://arxiv.org/abs/2609.12139v1
Date: Thu, 10 Sep 2026 19:17:41 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-15 07:38:31.522697
Title: Mined from Scientific Literature: Process Schemas for Atomic Layer Deposition and Etching in Materials Science
Title（参考訳）: 科学文献から学ぶ:材料科学における原子層堆積・エッチングのプロセススキーマ
Abstract要約: 原子層堆積 (ALD) および原子層エッチング (ALE) は, 実験およびシミュレーションプロセスにおいて不均一に報告される。 ALD と ALE の実験とシミュレーションの4つの文献について述べる。
参考スコア（独自算出の注目度）: 2.4154340262184877
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Atomic layer deposition (ALD) and atomic layer etching (ALE) are reported heterogeneously across experimental and simulation literature in materials science, hindering comparison and machine-actionable reuse. We present four domain-expert-reviewed JSON Schemas for ALD and ALE experimental and simulation processes. Curated with schema-miner and grounded in QUDT using schema-miner pro, the schemas structure materials, process conditions, configurations , and measured or predicted results. We compare their scope, structure, and semantic grounding, and demonstrate their use for schema-guided literature extraction and publication of structured records through ORKG templates.
Abstract（参考訳）: 原子層堆積(ALD)と原子層エッチング(ALE)は、材料科学における実験およびシミュレーションの文献で異種に報告され、比較を妨げ、機械に作用可能な再利用を妨げている。本稿では, ALD と ALE の実験およびシミュレーションプロセスのための 4 つのドメイン専門家レビュー JSON スキーマを提案する。 Schema-miner Proを使用してQUDTでグラウンディングされ、スキーマ構造材料、プロセス条件、設定、測定または予測結果でキュレーションされる。我々は、それらの範囲、構造、セマンティックグラウンドを比較し、ORKGテンプレートを用いて、スキーマ誘導型文献抽出と構造化レコードのパブリッシングにそれらの使用法を実証する。

関連論文リスト

Evaluating LLM-based AI agents integrated with materials synthesis tools: the case of atomic layer deposition [0.013537117504260622]
この研究は、材料合成のための大規模言語モデル(LLM)に基づくAIモデルとエージェントの性能評価に使用できるさまざまな戦略の概要を提供する。
論文参考訳（メタデータ） (2026-08-29T14:51:17Z)
SciSchema.org: A Multidisciplinary Collection of Schemas for Structured Scientific Process Descriptions [5.7701362457096534]
Sci.orgは16のエキスパートアノテートスキーマの多分野コレクションである。このコレクションは構造化アノテーション、メタデータの充実、科学知識グラフ、情報抽出、セマンティックパブリッシング、クロススタディ比較をサポートする。
論文参考訳（メタデータ） (2026-07-30T10:04:05Z)
PeroMAS: A Multi-agent System of Perovskite Material Discovery [51.859972927223936]
ペロブスカイト太陽電池(PSC)は優れた光電子性能とコストポテンシャルで有名である。既存のAIアプローチは主に、マテリアルデザイン、プロセス最適化、プロパティ予測など、独立したモデルに焦点を当てている。ペロブスカイト材料発見のためのマルチエージェントシステムPeroMASを提案する。
論文参考訳（メタデータ） (2026-02-10T09:33:06Z)
LeMat-Synth: a multi-modal toolbox to curate broad synthesis procedure databases from scientific literature [60.879220305044726]
本稿では,大規模言語モデル (LLM) と視覚言語モデル (VLM) を用いて合成手順と性能データを自動抽出・整理するマルチモーダルツールボックスを提案する。 LeMat-Synth (v 1.0):35種類の合成法と16種類の材料クラスにまたがる合成手順を含むデータセット。我々は,新しいコーパスと合成ドメインへのコミュニティ主導の拡張をサポートするために設計された,モジュール形式のオープンソースライブラリをリリースする。
論文参考訳（メタデータ） (2025-10-28T17:58:18Z)
MatPROV: A Provenance Graph Dataset of Material Synthesis Extracted from Scientific Literature [1.171928204630468]
本稿では,科学文献から抽出したProV-DM準拠合成手順のデータセットであるMatPROVについて述べる。 MatPROVは、視覚的に直感的な有向グラフを通じて、材料、操作、条件の間の構造的複雑さと因果関係をキャプチャする。
論文参考訳（メタデータ） (2025-09-01T00:47:27Z)
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)
LLMs4SchemaDiscovery: A Human-in-the-Loop Workflow for Scientific Schema Mining with Large Language Models [0.22470290096767]
従来のスキーママイニングは半構造化データに依存しており、スケーラビリティを制限している。本稿では,大規模な言語モデルと人間のフィードバックを組み合わせてスキーマ抽出を自動化・洗練する新しいツールであるスキーママイナーを紹介する。
論文参考訳（メタデータ） (2025-04-01T13:03:33Z)
Causal Discovery from Data Assisted by Large Language Models [50.193740129296245]
知識駆動発見のために、実験データと事前のドメイン知識を統合することが不可欠である。本稿では、高分解能走査透過電子顕微鏡(STEM)データと大規模言語モデル(LLM)からの洞察を組み合わせることで、このアプローチを実証する。 SmドープBiFeO3(SmBFO)におけるChatGPTをドメイン固有文献に微調整することにより、構造的、化学的、分極的自由度の間の因果関係をマッピングするDAG(Directed Acyclic Graphs)の隣接行列を構築する。
論文参考訳（メタデータ） (2025-03-18T02:14:49Z)
Periodic Materials Generation using Text-Guided Joint Diffusion Model [23.137596469096824]
TGDMatは3次元周期材料生成のために設計された新しいテキスト誘導拡散モデルである。提案手法は,各段階での文章記述を通じて,グローバルな構造的知識を統合する。実験の結果,TGDMatは既存のベースライン法よりも優れた性能を示した。
論文参考訳（メタデータ） (2025-03-01T14:56:44Z)
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)
Compositional Representation of Polymorphic Crystalline Materials [56.80318252233511]
PCRLは,構成の確率論的モデリングを用いて,利用可能な構造情報から多型を抽出する手法である。 16のデータセットに対する広範囲な評価は、構成表現の学習におけるPCRLの有効性を示す。
論文参考訳（メタデータ） (2023-11-17T20:34:28Z)

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。