論文の概要: Interpretable-by-Design Descriptor Portfolios Match a 2048-Dimensional Foundation Embedding on Low-Data Molecular Assays

• arxiv url: http://arxiv.org/abs/2609.30789v1
• Date: Fri, 25 Sep 2026 04:13:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.226737
• Title: Interpretable-by-Design Descriptor Portfolios Match a 2048-Dimensional Foundation Embedding on Low-Data Molecular Assays
• Title（参考訳）: 低値分子アッセイを応用した2048次元ファウンデーションの解釈型デクリプタポートフォリオ
• Abstract要約: コンパクトでセマンティックな名前のディスクリプタブロックのポートフォリオが2048次元のCheMeleon埋め込みの精度に達するかどうかを問う。 ラベル付きコンテキストのみを使用して、鮮やかに証明されたブロックをブロックします。 9つのADME/Toxアッセイと50個の評価セルで、ポートフォリオは平均AUCが0.762、CheMeleonが0.764、Mordredが0.756に達する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In low-data structure-activity prediction, the choice of molecular representation can matter more than the choice of predictor, and tabular foundation models sharpen that effect. We ask whether a portfolio of compact, semantically named descriptor blocks can reach the accuracy of a 2048-dimensional CheMeleon embedding while staying auditable at the feature level, meaning that every input dimension carries a model name and a recorded training provenance. Starting from a fixed 11-dimensional physicochemical base, we greedily concatenate provenance-screened blocks using the labelled context alone. Across nine ADME/Tox assays and 50 evaluation cells, scored on common-coverage subsets restricted to the molecules that every representation covers, the portfolio reaches a mean test AUC of 0.762, against 0.764 for CheMeleon and 0.756 for Mordred. The pooled gap to CheMeleon is +0.003 AUC (task-bootstrap 95% CI [-0.020, +0.030]), which satisfies our predeclared pooled parity gate but not the per-assay gate. At 25 context labels the headline rule again satisfies the pooled gate; at 10 labels it does not. We also report four predeclared candidate-selection rules that we falsified. Post-freeze checks over ten seeds and three previously unseen assays support pooled competitiveness for compact, auditable representations; a same-width random-bundle control does not establish that greedy membership itself adds accuracy. Assay-level differences remain unresolved.
• Abstract（参考訳）: 低データ構造活性予測では、分子表現の選択は予測器の選択以上に重要であり、表層基底モデルはその効果を鋭くする。 我々は,コンパクトで意味論的に命名された記述子ブロックのポートフォリオが,特徴レベルで監査可能な2048次元のCheMeleon埋め込みの精度に達するかどうかを問う。 固定された11次元物理化学的基盤から始めると,ラベル付きコンテキストのみを用いて,鮮やかに前駆体スクリーニングブロックを結合する。 9つのADME/Toxアッセイと50個の評価細胞は、全ての表現がカバーする分子に制限された共通被覆サブセットで測定され、平均AUCは0.762、CheMeleonは0.764、モルドレッドは0.756に達する。 CheMeleonのプールされたギャップは +0.003 AUC (task-bootstrap 95% CI [-0.020, +0.030]) で、事前に宣言されたプールされたパリティゲートを満足するが、アサーティゲートは満足しない。 25の文脈では、見出し規則は再びプールされたゲートを満たす。 また、偽造した4つの事前宣言された候補選択規則を報告した。 ポストフリーズでは、10以上の種子と3つの未確認アッセイがコンパクトで監査可能な表現のプール化競争性をサポートしている。 調査レベルの違いは未解決のままである。

関連論文リスト

• Observational Indistinguishability and Integrity Blind Regions in Hybrid Quantum-Classical Workflows [0.0]
  本稿では,ハイブリッド量子古典的ワークフロー整合性のためのクレーム相対的エビデンス/参照フレームワークを提案する。 観測上の不明瞭さは、有限バッチ統計ミスとは異なる構造的な盲点をもたらす。
  論文  参考訳（メタデータ） (2026-09-15T13:16:37Z)
• Marginal Fidelity Does Not Establish User Simulation in Demographic Synthetic Survey Panels: Response Contracts, Support Collapse and Conditioning Failure [51.736723807086385]
  人口密着協定は、個別のシミュレーションの証拠ではなく、エスカレーション契約の証拠であり、シミュレーションされた回答者なしで得られる推定値である。 9つのアライメントされたモデルバッテリペアでは、非個人個体数のクエリの平均は6.27 MAE対12.39であり、9つの比較すべてで勝利する。
  論文  参考訳（メタデータ） (2026-09-07T10:22:22Z)
• Agreement Before Diversity: Verification-First Complementarity for Heterogeneous Language-Model Coordination [11.215813718564283]
  候補のヘッドルームを置換権限から切り離し、後者を明示的で監査可能なオブジェクトとします。 提案手法であるCon Agreement-Before-Diversityは,フリーフリーでラベルのない決定ルールである。
  論文  参考訳（メタデータ） (2026-08-05T09:24:39Z)
• When AI Writes, Who Gets Cited? Evidence of Citation Monoculture Across Language Models [45.91367912142692]
  異なるモデルがいまだに同じ狭い部分集合を選択している可能性を示し、単一の引用が誤りを犯さずに、引用モノカルチャーを生成する。 3つのベンダーの11のモデルが、30のランダムなパネルから少なくとも10の論文を選択しており、実際のタイトルと抽象物があるが、作者が作り直され、再割り当て年、隠れた会場と引用数がある。
  論文  参考訳（メタデータ） (2026-08-03T14:27:46Z)
• Bag of Dims: Training-Free Mechanistic Interpretability via Dimension-Level Sign Patterns [0.0]
  我々は、すでにトレーニング不要でアーキテクチャ全般的な機能ベースを提供しているトランスフォーマー隠蔽状態の標準基底を示す。 このBag of Dimsフレームワークを、言語にまたがる7つのモデルで検証する。
  論文  参考訳（メタデータ） (2026-06-10T19:34:31Z)
• From Theory to Decision Rule: Calibrating the Noisy-Label Crossover for Vision-Language Model Weak Supervision Across Three Medical-Imaging Benchmarks [41.99844472131922]
  基礎モデル弱いラベルに対するベンチマークキャリブレーションを提供する。 理論によって予測される交差は、PCAMではng100、ISICでは20-50、NIH-CXRでは250-500である。 NIH-CXR上の構造付きvs-ランダムノイズ符号フリップは、境界のレートのみの定式化が不完全であることを示す。
  論文  参考訳（メタデータ） (2026-05-23T23:15:07Z)
• Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
  大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。 個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。 構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
  論文  参考訳（メタデータ） (2026-05-15T17:08:27Z)
• The Alignment Tax: Response Homogenization in Aligned LLMs and Its Implications for Uncertainty Estimation [1.8345614451086532]
  RLHF 対応言語モデルは TruthfulQA 上で応答均質化を示す。 40-79%の質問は、10のi.i.d.サンプルに対して単一のセマンティッククラスタを生成する。
  論文  参考訳（メタデータ） (2026-03-25T09:35:15Z)
• Conformal Prediction for Privacy-Preserving Machine Learning [83.88591755871734]
  AESで暗号化されたMNISTデータセットの変種を用いて、暗号化されたドメインに直接適用しても、コンフォーマル予測法が有効であることを示す。 我々の研究は、安全でプライバシーに配慮した学習システムにおける原則的不確実性定量化の基礎を定めている。
  論文  参考訳（メタデータ） (2025-07-13T15:29:14Z)
• Robust Conformal Prediction with a Single Binary Certificate [58.450154976190795]
  コンフォーマル予測(CP)は、任意のモデルの出力を、真のラベルを(調整可能な)高い確率でカバーすることを保証した予測セットに変換する。 我々は,MCサンプルが著しく低い場合でも,より小さな集合を生成する頑健な共形予測を提案する。
  論文  参考訳（メタデータ） (2025-03-07T08:41:53Z)

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。