論文の概要: Scientific capabilities and deployment sustainability of small-scale LLMs in biological wastewater treatment

• arxiv url: http://arxiv.org/abs/2609.25774v2
• Date: Sat, 26 Sep 2026 00:55:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 07:18:05.971189
• Title: Scientific capabilities and deployment sustainability of small-scale LLMs in biological wastewater treatment
• Title（参考訳）: 生物排水処理における小規模LCMの科学的機能と展開持続可能性
• Abstract要約: 大規模言語モデル(LLM)は科学的なアシスタントとして登場しているが、その計算要求と限られた領域の特殊化は環境工学における持続可能な展開を妨げている。 そこで本研究では, 生物排水処理における科学的能力と持続的展開の両立が可能であるかを検討した。
• 参考スコア（独自算出の注目度）: 0.23945377635424467
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) are emerging as scientific assistants, yet their computational demands and limited domain specialization constrain sustainable deployment in environmental engineering. Here, we investigate whether domain-specialized small-scale LLMs can combine scientific capability with sustainable deployment in biological wastewater treatment. We developed a benchmark evaluating three scientific capabilities of LLMs: retrospective cognition, comprehension fidelity, and prospective extrapolation. BioWater (8 billion parameters, fine-tuned on specialized domain knowledge) achieved higher comprehension-fidelity scores than participating human experts and performance comparable to a 397-billion-parameter general-purpose LLM in retrospective cognition and prospective extrapolation. Human-BioWater collaboration generated a scientific hypothesis that was subsequently supported by laboratory experiments, demonstrating its potential to contribute to prospective scientific research. We further evaluated the economic and environmental implications of LLM deployment across global wastewater treatment plants (WWTPs). Locally deployed small-scale LLMs became more sustainable than cloud-based large-scale LLMs as inference demand increased in intelligent WWTPs. These findings highlight domain-specialized small-scale LLMs as a promising pathway towards scientifically capable, computationally efficient, and sustainably deployable artificial intelligence for wastewater treatment.
• Abstract（参考訳）: 大規模言語モデル(LLM)は科学的なアシスタントとして登場しているが、その計算要求と限られた領域の特殊化は環境工学における持続可能な展開を妨げている。 そこで本研究では, 生物排水処理における科学的能力と持続的展開の両立が可能であるかを検討した。 我々は,LLMの3つの科学的能力,すなわち,振り返り認知,理解的忠実度,そして将来的な外挿能力を評価するベンチマークを開発した。 BioWater(80億のパラメータ、専門分野の知識に基づいて微調整された)は、人間の専門家よりも理解力の高いスコアを獲得し、振り返り認知と予測外挿における397ビリオンパラメーター汎用LSMに匹敵するパフォーマンスを達成した。 Human-BioWaterのコラボレーションは、その後実験によって支持された科学的仮説を生み出し、将来的な科学的研究に貢献する可能性を実証した。 さらに, グローバル排水処理プラント(WWTP)におけるLCM導入の経済的, 環境的影響について検討した。 ローカルにデプロイされた小規模LLMは、インテリジェントWWTPにおける推論需要の増加に伴い、クラウドベースの大規模LLMよりも持続可能になった。 これらの知見は, 廃棄物処理のための科学的に有能で, 計算効率が高く, 持続的に展開可能な人工知能への道のりとして, ドメインに特化している小規模LLMに注目した。

関連論文リスト

• Leveraging LLM-based agents for social science research: insights from citation network simulations [132.4334196445918]
  CiteAgentフレームワークを導入し、人間-行動シミュレーションに基づく引用ネットワークを生成する。 CiteAgentは、実世界の引用ネットワークにおける主要な現象を捉えている。 社会科学において2つのLCMに基づく研究パラダイムを確立し,既存の理論の検証と挑戦を可能にした。
  論文  参考訳（メタデータ） (2025-11-05T08:47:04Z)
• Advancing the Scientific Method with Large Language Models: From Hypothesis to Discovery [35.888956949646]
  大規模言語モデル (LLM) は科学的方法を変えて科学的研究を変革している。 LLMは、特に化学や生物学において、実験的な設計、データ分析、生産性の向上に関与している。 AI駆動科学への移行は、創造性、監視、責任に関する倫理的な疑問を提起する。
  論文  参考訳（メタデータ） (2025-05-22T10:05:48Z)
• Advancing AI Research Assistants with Expert-Involved Learning [84.30323604785646]
  大規模言語モデル (LLM) と大規模マルチモーダルモデル (LMM) は、生物医学的な発見を促進することを約束するが、その信頼性は未定である。 ARIEL(AI Research Assistant for Expert-in-the-Loop Learning)は,オープンソースの評価・最適化フレームワークである。 LMMは詳細な視覚的推論に苦しむのに対し、最先端のモデルでは流動性はあるが不完全な要約を生成する。
  論文  参考訳（メタデータ） (2025-05-03T14:21:48Z)
• ResearchBench: Benchmarking LLMs in Scientific Discovery via Inspiration-Based Task Decomposition [67.26124739345332]
  大規模言語モデル(LLM)は科学的研究を支援する可能性を示しているが、高品質な研究仮説を発見する能力はいまだ検討されていない。 我々は,LLMを科学的発見のサブタスクのほぼ十分セットで評価するための,最初の大規模ベンチマークを紹介する。 学術論文から重要コンポーネント(研究質問、背景調査、インスピレーション、仮説)を抽出する自動フレームワークを開発する。
  論文  参考訳（メタデータ） (2025-03-27T08:09:15Z)
• Scientific Large Language Models: A Survey on Biological & Chemical Domains [47.97810890521825]
  大規模言語モデル(LLM)は、自然言語理解の強化において、変革的な力として現れてきた。 LLMの応用は従来の言語境界を超えて、様々な科学分野で開発された専門的な言語システムを含んでいる。 AI for Science(AI for Science)のコミュニティで急成長している分野として、科学LLMは包括的な探査を義務付けている。
  論文  参考訳（メタデータ） (2024-01-26T05:33:34Z)

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。