Fugu-MT 論文翻訳(概要): A self-learning scientific agent for X-ray diffraction

論文の概要: A self-learning scientific agent for X-ray diffraction

arxiv url: http://arxiv.org/abs/2610.07862v1
Date: Tue, 06 Oct 2026 07:09:39 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-08 02:58:29.863304
Title: A self-learning scientific agent for X-ray diffraction
Title（参考訳）: X線回折のための自己学習科学エージェント
Abstract要約: Gan Jiangは粉体X線回折のための自己学習エージェントであり、我々が開発した回折分析エコシステム上に構築されている。失敗を診断し、スキル命令とコードを修正し、再利用前にリビジョンを検証することで、分析的エクスペリエンスを実行可能なスキルに変換する。
参考スコア（独自算出の注目度）: 13.735875673039258
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A central challenge for scientific agents is to turn analytical experience into reusable expertise grounded in physical evidence. Here we introduce Gan Jiang, a self-learning agent for powder X-ray diffraction built on a diffraction-analysis ecosystem we developed: XMatcher, XQueryer, XDecomposer and WPEM. Together, these engines span phase identification, multiphase decomposition and physics-constrained whole-pattern modelling. Gan Jiang converts analytical experience into executable skills by diagnosing failures, revising skill instructions and code, and validating revisions before reuse, without retraining the language model or changing the underlying physical models. Skills selected using development data and frozen before held-out evaluation achieve higher refinement scores than the original expert-designed skills across FullProf, GSAS-II and PyWPEM. The agent resolves strongly overlapping reflections, quantifies a five-phase ancient Egyptian cosmetic, tracks lattice evolution in an operating battery and compares atomic configurations in a disordered oxide catalyst. On DeltaXRDbench, it leads the evaluated methods in single- and multiphase identification across simulated and experimental data. Without supplied composition, single-phase top-1 accuracies reach 96.30\%, 81.78\% and 40.83\% on MP500, RRUFF and opXRD, respectively, compared with 58.00\%, 58.47\% and 26.45\% for the strongest comparator. These results demonstrate how an integrated scientific tool ecosystem can support agents that extract structural knowledge from measurements while accumulating validated analytical expertise that transfers to new samples.
Abstract（参考訳）: 科学的エージェントにとっての重要な課題は、分析的経験を物理的証拠に基づく再利用可能な専門知識に変えることである。ここでは、XMatcher、XQueryer、XDecomposer、WPEMという回折分析エコシステム上に構築された粉末X線回折の自己学習エージェントであるGan Jiangを紹介します。これらのエンジンは相同定、多相分解、物理制約付き全パターンモデリングにまたがる。 Gan Jiang氏は、言語モデルの再トレーニングや基礎となる物理モデルの変更なしに、障害の診断、スキル命令とコードの変更、再利用前にリビジョンを検証することで、分析的エクスペリエンスを実行可能なスキルに変換する。開発データを用いて選択した技術は,FllProf,GSAS-II,PyWPEMを対象とする従来の専門家設計技術よりも高い精錬率を達成する。この剤は強い重なり合う反射を解決し、5相の古代エジプトの化粧品を定量化し、運転電池の格子の進化を追跡し、不規則な酸化物触媒の原子配置を比較する。 DeltaXRDbenchでは、シミュレーションおよび実験データ間での単相・多相同定における評価手法を導出する。供給された組成がなければ,MP500,RRUFF,OpXRDでは単相トップ1精度が96.30\%,81.78\%,40.83\%,58.00\%,58.47\%,26.45\%となる。これらの結果は、新しいサンプルに転送する検証済みの分析的専門知識を蓄積しながら、測定から構造的知識を抽出するエージェントを、統合された科学ツールエコシステムがどのようにサポートするかを示す。

関連論文リスト

Hypothesis-Driven Autonomous Materials Synthesis with Multimodal LLM Agents [0.2931680194227129]
自動運転車研究所は自動で合成を探索できるが、その意思決定層は通常ブラックボックス状態である。本稿では,大規模言語モデルエージェントが自動実験システムを操作するフレームワークであるSynAgentを紹介する。テストベッドとしてLiCoO2薄膜蒸着を用いた18の実験において、SynAgentは高結晶膜を合成した。
論文参考訳（メタデータ） (2026-09-16T12:52:10Z)
Towards Reliable Stain Transfer: An Iterative Data-Model Co-Optimization Framework Based on Multimodal Expert-Guided Assessment [55.16957949238588]
Stain Transferのための新しいデータモデル共最適化フレームワークDMCoStainを提案する。反復的にトレーニングデータとモデル能力を再定義し、病理的および構造的整合性の両方において染色精度と解釈性を向上させる。 MEGFS をサポートするために,150K VQA サンプルを用いた IPE 命令追従型大規模データセットである ImmunoInstruction を構築した。
論文参考訳（メタデータ） (2026-07-28T07:54:43Z)
NMR Elucidation as an Agentic Search Problem, Not a Modeling Problem [3.8929079574413508]
核磁気共鳴データからの構造解明は、化学、材料科学、生物学における根本的なボトルネックとなっている。我々はエージェントAIシステムが、大学院レベルの化学生に匹敵するレベルでこのタスクを実行できることを実証した。エージェントは,トップ1の精度が71%である構造を解明し,その精度は66%の大学生に匹敵する。
論文参考訳（メタデータ） (2026-07-07T22:05:25Z)
One Reflection Is Not Enough: Self-Correcting Autonomous Research via Multi-Hypothesis Failure Attribution [85.65263343588026]
我々は,自己修正型,自律型,接地型実験機であるSAGEを提案する。その中核的なメカニズムであるMHFA(Multi-Hypothesis Failure Attribution)は、回復を構造的因果診断として扱う。 12のトピック、5ドメインのベンチマークでは、SAGEは基準リフレクションでメトリクスを含むアウトプットを42%から92%に増やしている。
論文参考訳（メタデータ） (2026-06-30T10:54:16Z)
On Bayesian Softmax-Gated Mixture-of-Experts Models [95.06359956519759]
本研究では,ユビキタスソフトマックスに基づくゲーティング機構に着目し,実験モデルの混合について検討する。本稿では,パラメータ推定とボロノイ型損失に基づく収束保証の導出について分析する。これらの結果は、ソフトマックスゲーティングによる実験モデルの混合に関する最初の体系的理論的分析の1つである。
論文参考訳（メタデータ） (2026-04-22T13:37:00Z)
Improving Minimax Estimation Rates for Contaminated Mixture of Multinomial Logistic Experts via Expert Heterogeneity [49.809923981964715]
凍結したエキスパートとして機能する事前訓練されたモデルを、新しいタスクを学ぶためにトレーニング可能なエキスパートとして機能するアダプタモデルに統合するトランスファー学習手法によって、汚染された専門家の混合(MoE)が動機付けられる。本研究は, 地絡パラメータがサンプルサイズによって異なる困難な条件下で, パラメータを推定するための一様収束率を特徴付ける。また、対応するミニマックス下限を定め、これらのレートがミニマックス最適であることを保証する。
論文参考訳（メタデータ） (2026-01-31T23:45:50Z)
A DeepSeek-Powered AI System for Automated Chest Radiograph Interpretation in Clinical Practice [83.11942224668127]
Janus-Pro-CXR (1B) はDeepSeek Janus-Proモデルに基づく胸部X線解釈システムである。本システムは, 自動レポート生成において, 最先端のX線レポート生成モデルより優れる。
論文参考訳（メタデータ） (2025-12-23T13:26:13Z)
Sim-to-real supervised domain adaptation for radioisotope identification [0.061173711613792085]
機械学習は、ガンマ分光法を用いて放射性同位体識別の速度と信頼性を向上させる可能性がある。しかし、訓練のための実験データセットを慎重にラベル付けすることは、しばしば違法に高価である。教師付き領域適応は,ラジオアイソトープ識別モデルの性能を大幅に向上させることができることを示す。
論文参考訳（メタデータ） (2024-12-10T00:21:00Z)
The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease detection [51.697248252191265]
この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
論文参考訳（メタデータ） (2023-09-13T10:40:41Z)
Probabilistic Phase Labeling and Lattice Refinement for Autonomous Material Research [20.78180998995325]
確率的XRD位相ラベリングのための効率的なアルゴリズムであるCrystalShiftを提案する。我々は、CrystalShiftが頑健な確率を提供し、合成および実験データセットにおける既存の手法より優れていることを実証した。効率的な位相マッピングに加えて、CrystalShiftは材料の構造パラメータに関する定量的な洞察を提供する。
論文参考訳（メタデータ） (2023-08-15T17:38:38Z)
Identifying Entangled Physics Relationships through Sparse Matrix Decomposition to Inform Plasma Fusion Design [0.021079694661943604]
慣性核融合(ICF)による持続可能な燃焼プラットフォームは、50年以上にわたって進行中の課題である。我々はスパース行列分解法を用いて、いくつかの関連する設計変数のクラスタを同定する。可変重要性解析により、ピケットパワーやレーザーエネルギーといった中性子収率と高い相関を持つ変数に加えて、パルスステップの数などのICF設計の劇的な変化を表す変数も非常に重要であることが判明した。
論文参考訳（メタデータ） (2020-10-28T20:20:32Z)

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。