論文の概要: MOFjson: An Explicit Topological Representation of Metal-Organic Frameworks for Language Models

• arxiv url: http://arxiv.org/abs/2610.34549v1
• Date: Sun, 25 Oct 2026 20:19:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.633852
• Title: MOFjson: An Explicit Topological Representation of Metal-Organic Frameworks for Language Models
• Title（参考訳）: MOFjson: 言語モデルのための金属-有機フレームワークの明示的なトポロジ的表現
• Abstract要約: 金属-有機フレームワーク(MOF)の言語モデルは、構造トポロジーとは別の原子幾何学に依存している。 構造データを明示的な結合シフトベクトルを持つ原原子層に分離する最初の表現であるMOF識別子を提案する。 また、4つの質問カテゴリにまたがって結晶由来の基底真理のベンチマークを導入する。
• 参考スコア（独自算出の注目度）: 3.488381738536745
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Language models for metal-organic frameworks (MOFs) rely on formats that separate atomic geometry from structural topology, forcing models to choose between unstructured coordinate lists and non-spatial string identifiers[1]. We present MOFjson, the first representation separating structural data into a raw atomic layer with explicit bond shift vectors and a derived layer exposing secondary building units (metal nodes and organic linkers) and network topology. Additionally, we introduce a benchmark with crystal-derived ground truth across four question categories. Across four models, MOFjson beats all three baselines in every category: 100% vs. 18-47% on reaching a block's nearest periodic copy, 96% vs. 71% on crystal system characterisation, and 60% vs. 48% on metal node and organic linker coordination. Ablating shift labels drops accuracy to 12.7%, proving models read the periodic graph rather than the surface format. MOFjson gives language models structure to read rather than reconstruct, establishing a foundation for agentic tool workflows and constrained MOF generation.
• Abstract（参考訳）: 金属-有機フレームワーク(MOF)の言語モデルは、構造的トポロジーから原子幾何学を分離する形式に依存しており、非構造的座標リストと非空間的文字列識別子を選択せざるを得ない。 本報告では、構造データを明示的な結合シフトベクトルを持つ原原子層と、二次構造ユニット(金属ノードと有機リンカー)とネットワークトポロジーを露呈する導出層とに分離する最初の表現であるMOFjsonについて述べる。 さらに,4つの質問カテゴリにまたがって,結晶由来の基底真理を用いたベンチマークを導入する。 4つのモデルで、MOFjsonはブロックの最も近い周期コピーに100%対18-47%、結晶系の特徴付けで96%対71%、金属ノードと有機リンカーのコーディネーションで60%対48%の3つのベースラインを破っている。 Ablating shift labels は精度を 12.7% に下げ、モデルが表面形式ではなく周期グラフを読むことを証明している。 MOFjsonは、再構築ではなく、言語モデルで読む構造を提供し、エージェントツールワークフローと制約されたMOF生成の基礎を確立する。

関連論文リスト

• Interpretable Inverse Design of Metal-Organic Frameworks with Large Language Model Agents [4.4997270313537845]
  金属-有機フレームワーク(MOF)の逆設計では、プロパティラベルが高価であり、ほとんどの機械学習モデルは、構造が成功した理由をほとんど示さない広大な空間を探索する必要がある。 LLM4MOFは、言語モデルエージェントが化学を推論し、候補MOFを構築し、シミュレーションでそれらをテストするクローズドループフレームワークである。
  論文  参考訳（メタデータ） (2026-06-28T15:30:13Z)
• Multi-level Self-supervised Pretraining on Compositional Hierarchical Graph for Molecular Property Prediction [0.5097809301149341]
  MolCHGは、新しい構成階層グラフ上に構築された多層自己教師型事前学習フレームワークである。 我々のアーキテクチャは、独立に進化するノード表現に結合レベル情報を高める。 9つのMoleculeNetベンチマークの実験では、7つのデータセットでMoleculeGが最高のパフォーマンスを達成している。
  論文  参考訳（メタデータ） (2026-05-15T15:47:11Z)
• Learning Cell-Aware Hierarchical Multi-Modal Representations for Robust Molecular Modeling [74.25438319700929]
  分子と細胞応答の局所的グローバル依存性をモデル化する堅牢なフレームワークであるCHMR(Cell-aware Hierarchical Multi-modal Representations)を提案する。 728タスクにまたがる9つの公開ベンチマークで評価され、CHMRは最先端のベースラインを上回っている。 その結果, 階層認識型マルチモーダル学習による分子表現の信頼性, 生物学的基盤化の利点が示された。
  論文  参考訳（メタデータ） (2025-11-26T07:15:00Z)
• Building-Block Aware Generative Modeling for 3D Crystals of Metal Organic Frameworks [10.094982948231923]
  金属-有機フレームワーク(MOF)は、無機ノード、有機エッジ、トポロジカルネットをプログラム可能な多孔質結晶に結合する。 既存のモデルは既知のビルディングブロックをリサイクルするか、小さなユニットセルに制限される。 本稿では,各ブロックの3次元全原子表現を学習するSE(3)同変拡散モデルであるビルディングブロック対応MOF拡散について紹介する。
  論文  参考訳（メタデータ） (2025-05-13T13:02:28Z)
• RFL: Simplifying Chemical Structure Recognition with Ring-Free Language [66.47173094346115]
  化学構造を階層的に記述する新しいリング自由言語(RFL)を提案する。 RFLは複雑な分子構造を複数の部分に分解し、特異性と簡潔性の両方を保証する。 分子骨格と個々の環を段階的に予測する骨格生成モジュールからなる普遍的な分子骨格デコーダ(MSD)を提案する。
  論文  参考訳（メタデータ） (2024-12-10T15:29:32Z)
• Pre-trained Molecular Language Models with Random Functional Group Masking [54.900360309677794]
  SMILESをベースとしたアンダーリネム分子アンダーリネム言語アンダーリネムモデルを提案し,特定の分子原子に対応するSMILESサブシーケンスをランダムにマスキングする。 この技術は、モデルに分子構造や特性をよりよく推測させ、予測能力を高めることを目的としている。
  論文  参考訳（メタデータ） (2024-11-03T01:56:15Z)
• Inverse Design of Metal-Organic Frameworks Using Quantum Natural Language Processing [0.0]
  本稿では、量子自然言語処理(QNLP)を用いて、ターゲット特性を持つ金属-有機系フレームワーク(MOF)を逆設計する可能性について検討する。 450の仮説MOF構造を細孔体積の4つの異なるクラスと、Henryの定数値$CO_2$に分類する。 量子回路の確率的性質に合わせて,多クラス分類モデルを開発した。
  論文  参考訳（メタデータ） (2024-05-20T05:02:12Z)
• Building Open Knowledge Graph for Metal-Organic Frameworks (MOF-KG): Challenges and Case Studies [63.61566811532431]
  金属有機フレームワーク(MOF)は、ガス貯蔵、分子分離、化学センシング、結晶および薬物のデリバリーといった応用に革命をもたらす大きな可能性を持っている。 ケンブリッジ構造データベース(CSD)は10,636個のMOF結晶を報告しており、これには114,373個のMOF構造が含まれる。 本稿では,MOF予測,発見,合成を容易にする知識グラフ手法の活用に向けた取り組みについて述べる。
  論文  参考訳（メタデータ） (2022-07-10T16:41:11Z)

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。