論文の概要: CondMSP: Condition-Informed and Resource-Aware Inorganic Materials Synthesis Planning

• arxiv url: http://arxiv.org/abs/2610.15603v1
• Date: Sun, 11 Oct 2026 13:26:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.228714
• Title: CondMSP: Condition-Informed and Resource-Aware Inorganic Materials Synthesis Planning
• Title（参考訳）: CondMSP: 条件付き・資源対応無機材料合成計画
• Abstract要約: レシピ予測から実行対応計画まで,MSPを拡張したCondMSPを提案する。 本研究では,CondMSPが条件および運転予測を改善することを示し,この共有制約の下では,目標当たりの3回の模擬炉運転において,27.9%から32.9%のレファレンス・リカバリを行う。 2,344ターゲットの新たな評価セットは、酸化物が支配するトレーニング化学以外の一般化をサポートする。
• 参考スコア（独自算出の注目度）: 22.425504314398495
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Materials synthesis planning (MSP) connects AI-driven materials discovery to experimental realization by proposing precursors, synthesis operations, and processing conditions for a target material. Existing approaches predict these components separately or in pairs and treat conditions only as a prediction target. Consequently, MSP remains centered on recipe prediction: it leaves unexplored how conditions can serve as process context for constructing synthesis routes, and it does not address which candidate routes should be executed under limited experimental resources. We propose CondMSP, which extends MSP from recipe prediction to execution-aware planning. CondMSP predicts temperature, time, and atmosphere by combining a joint predictor with variable-specific experts, and then uses these predictions both as process context, grounding the generation and retrieval of operation sequences, and as execution requirements, specifying which thermal stages can share a furnace run and at what cost. This specification is held fixed across all compared methods; within it, CondMSP ranks routes across precursor sets by a common utility and, under furnace budgets, jointly selects routes and allocates their thermal stages by constrained optimization. CondMSP improves condition and operation prediction and, under this shared constraint, raises reference-recipe recovery from 27.9% to 32.9% at three simulated furnace runs per target and from 34.7% to 40.0% at 30 trials, while a new evaluation set of 2,344 targets supports generalization beyond oxide-dominated training chemistry.
• Abstract（参考訳）: 材料合成計画(MSP)は、AIによって駆動される材料発見と実験的な実現を、前駆体、合成操作、対象材料に対する処理条件を提案することで結びつける。 既存のアプローチでは、これらのコンポーネントを別々に、あるいはペアで予測し、予測ターゲットとしてのみ条件を扱う。 その結果、MSPはレシピの予測に重点を置いており、合成経路を構築するためのプロセスコンテキストとして条件がどのように機能するかを未解明のまま残しており、限られた実験資源の下でどの経路を実行するべきかには対処していない。 レシピ予測から実行対応計画まで,MSPを拡張したCondMSPを提案する。 CondMSPは、共同予測器と可変固有の専門家を組み合わせることで温度、時間、雰囲気を予測し、これらの予測をプロセスコンテキスト、オペレーションシーケンスの生成と検索、実行要件として、どの温度ステージが炉のランとどのコストで共有できるかを指定する。 この仕様は、比較されたすべての方法にまたがって固定されており、CondMSPはその内部で共通のユーティリティによって前駆体を横断するルートをランク付けし、炉の予算の下では、共同でルートを選択し、制限された最適化によって熱段階を割り当てる。 CondMSPは条件と運転予測を改善し、この共有制約の下では、目標あたりの3回の模擬炉運転で27.9%から32.9%に、30回の試験で34.7%から40.0%に上昇する。

関連論文リスト

• Orthogonal JEPA: Factorized Predictive States for Latent World Models [95.20158869896393]
  予測因数分解に基づく潜在的世界モデリングフレームワークであるメソッドを導入する。 そこで本研究では,予測構造を弱め,あるいは矛盾する勾配を抑えつつ,冗長なキャパシティを支配的信号に割り当てる手法を提案する。 制御された視覚、単細胞転写学、縦断的な健康記録、連続的な制御、分子動力学の実験は、表現品質、予測、計画、長期安定性を評価する。
  論文  参考訳（メタデータ） (2026-08-20T13:59:57Z)
• CDR-Bench: Evaluating Faithful Execution of Compositional, Order-Sensitive Data Refinement Recipes [52.734097662607375]
  CDR-Benchは、4つの現実世界のデータリファインメントドメインにまたがる3,462の高品質なタスクを特徴とする包括的なベンチマークである。 我々のベンチマークでは、原子性、秩序に依存しない、秩序に敏感な設定でモデルを評価する。 10以上の最先端のLLMの実験では、一貫した障害パターンが明らかになっている。
  論文  参考訳（メタデータ） (2026-06-30T10:08:45Z)
• Conformal Prediction for Neural Operators: Distribution-Free Uncertainty Quantification in Physics Simulation [0.0]
  ニューラル演算子に基づく物理シミュレーションにおける分割共形予測の最初の適用法を提案する。 本手法は,α=0.1のターゲットレベルで89.1%の経験的カバレッジを実現する。 提案手法はREST APIエンドポイントとインタラクティブな3Dビジュアライゼーションを備えたオープンソースプラットフォームで実装されている。
  論文  参考訳（メタデータ） (2026-06-07T08:52:38Z)
• Coordinated optimization of departure sequencing and section-track allocation in railway short-term concentrated departure scenarios based on qubo and hybrid quantum algorithms [3.045106532420546]
  本研究では,鉄道短期集中出発シナリオにおける出発シーケンシングの協調最適化と区間配置について検討した。 2次非制約バイナリ最適化モデルを定式化し、出発位置の割り当てと区間トラックの選択を表現した。 シミュレーションに基づく評価層を導入し、セクション占有、中間待機、プラットフォーム容量圧力、実行時変動、遅延伝搬を評価する。
  論文  参考訳（メタデータ） (2026-06-04T06:23:13Z)
• Adaptive mine planning under geological uncertainty: A POMDP framework for sequential decision-making [0.13048920509133807]
  部分観測可能なマルコフ決定過程(POMDP)としての地雷スケジューリングの定式化 擬似アニーリング(SA)値近似とアンサンブルに基づく信念更新を組み合わせたハイブリッドSA-POMDPアーキテクチャを提案する。 複数の処理先を持つ銅めっきオープンピットマイニング施設におけるフレームワークの評価を行った。
  論文  参考訳（メタデータ） (2026-05-13T15:52:29Z)
• MSP-LLM: A Unified Large Language Model Framework for Complete Material Synthesis Planning [24.059111572657596]
  2つのサブプロブレムからなる構造化プロセスとしてMSPを定式化する統合フレームワークであるMSP-LLMを提案する。 本手法では,両タスクを化学的に一貫した決定連鎖に整理する中間決定変数として,離散材料クラスを導入する。 MSP-LLM は、PP と SOP の両方の既存の手法と完全な MSP タスクを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-02-07T13:37:43Z)
• Agentic World Modeling for 6G: Near-Real-Time Generative State-Space Reasoning [70.56067503630486]
  第6世代(6G)インテリジェンスは、流動的なトークン予測ではなく、想像と選択の能力を校正している、と我々は主張する。 We showed that WM-MS3M cuts mean absolute error (MAE) by 1.69% vs MS3M with 32% less parameters and similar latency, and achieve a 35-80% lower root mean squared error (RMSE) than attention/hybrid baselines with 2.3-4.1x faster inference。
  論文  参考訳（メタデータ） (2025-11-04T17:22:22Z)
• Forecast reconciliation for vaccine supply chain optimization [61.13962963550403]
  ワクチンサプライチェーン最適化は階層的な時系列予測の恩恵を受けることができる。 異なる階層レベルの予測は、上位レベルの予測が下位レベルの予測の総和と一致しないときに不整合となる。 我々は2010年から2021年にかけてのGSKの販売データを階層的時系列としてモデル化し,ワクチン販売予測問題に取り組む。
  論文  参考訳（メタデータ） (2023-05-02T14:34:34Z)
• Three Steps to Multimodal Trajectory Prediction: Modality Clustering, Classification and Synthesis [54.249502356251085]
  我々は新しい予測フレームワークと共に新しい洞察を示す。 提案手法は、社会情報や地図情報を導入することなく、最先端の作品を超える。
  論文  参考訳（メタデータ） (2021-03-14T06:21:03Z)
• Bottom-Up Temporal Action Localization with Mutual Regularization [107.39785866001868]
  TALの最先端の解決策は、3つの行動指示相のフレームレベルの確率を評価することである。 学習手順を相互に規則化するための2つの規則化用語を導入する。 実験は2つの人気のTALデータセット、THUMOS14とActivityNet1.3で行われている。
  論文  参考訳（メタデータ） (2020-02-18T03:59:13Z)

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。