論文の概要: SFE-O: An Ontology for Knowledge-Grounded AI in Supercritical CO$_2$ Biomass Extraction and Fractionation
- arxiv url: http://arxiv.org/abs/2610.37123v1
- Date: Tue, 27 Oct 2026 12:21:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-29 04:15:49.268702
- Title: SFE-O: An Ontology for Knowledge-Grounded AI in Supercritical CO$_2$ Biomass Extraction and Fractionation
- Title（参考訳）: SFE-O:超臨界CO$2$バイオマス抽出・分別における知識学習型AIのオントロジー
- Abstract要約: 超臨界CO$$抽出(CO$-SFE)は、バイオマスから高価値化合物を回収するための持続可能な経路を提供する。
その設計と解釈には、バイオマスの性質、運用条件、物質移動、および製品分画にまたがる異質な知識が必要である。
本稿では,超臨界CO$バイオマス抽出のためのモジュール型Webオントロジー言語(OWL2)であるSFE-Oを紹介する。
- 参考スコア（独自算出の注目度）: 0.35180162330725556
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Supercritical CO$_2$ extraction (CO$_2$-SFE) offers a sustainable route for recovering high-value compounds from biomass while limiting the use of conventional organic solvents, but its design and interpretation require heterogeneous knowledge spanning biomass properties, operating conditions, mass transfer, and product fractionation, typically fragmented across technical reports, engineering models, external databases, and expert practice. This paper introduces SFE-O, a modular Web Ontology Language (OWL 2) ontology for supercritical CO$_2$ biomass extraction, structured around interconnected Biomass, Process, and Product dimensions and extended with explicit representations of process topology, parameter provenance, external and internal mass-transfer phenomena, and the Constant Extraction Rate (CER) / Falling Extraction Rate (FER) mechanisms. Computational dependencies among process quantities are represented explicitly, without embedding numerical solving in the ontology, so that input, measured, computed, externally retrieved, and fitted parameters remain traceable. SFE-O reuses established semantic resources (ChEBI, QUDT, OWL-Time, PROV-O) and is evaluated through a worked example that instantiates a real pilot-scale extraction batch, a reasoner-based consistency check, and a competency-question SPARQL query. The resulting knowledge model provides a machine-actionable foundation for querying, consistency checking, and mechanistic explanation of SFE processes, and establishes a knowledge layer that could support future ontology-grounded AI reasoning, a direction this paper motivates but does not evaluate.
- Abstract（参考訳）: 超臨界CO$_2$抽出(CO$_2$-SFE)は、従来の有機溶媒の使用を制限しながらバイオマスから高価値化合物を回収するための持続可能な経路を提供するが、その設計と解釈には、バイオマスの性質、運転条件、物質移動、製品分断といった異質な知識が必要である。
本稿では,超臨界CO$2$バイオマス抽出のためのモジュール型Webオントロジー言語であるSFE-Oについて紹介する。
プロセス量間の計算的依存関係は、オントロジーに数値解を埋め込むことなく明示的に表現されるので、入力、測定、計算、外部検索、および適合パラメータが追跡可能である。
SFE-Oは確立したセマンティックリソース(ChEBI, QUDT, OWL-Time, PROV-O)を再利用し、実際のパイロットスケール抽出バッチ、推論ベースの整合性チェック、SPARQLクエリをインスタンス化する実例を通じて評価する。
結果として得られた知識モデルは、クエリ、一貫性チェック、SFEプロセスの機械的説明のためのマシン操作可能な基盤を提供し、将来のオントロジーに基づくAI推論をサポートすることができる知識層を確立する。
関連論文リスト
- Automatic Ordinary Differential Equations Discovery For Biological Systems Using Large Language Model Powered Agentic System [5.239036758185077]
常微分方程式モデルを発見するためのエージェントフレームワークであるMEDAシステムを紹介する。
MEDAは、背景知識を取得し、許容変数を定義し、機械的制約を生成し、候補ODEを提案し、それらを適合させ評価する。
我々は、標準モデル検索、未知の変種に対する推論に基づく外挿、そしてオープンエンドな発見にまたがってこれを評価した。
論文 参考訳（メタデータ） (2026-07-15T08:56:56Z) - Influence-Guided Symbolic Regression: Scientific Discovery via LLM-Driven Equation Search with Granular Feedback [56.69850045068714]
逐次的2段階プロセスとして方程式発見をフレーム化する方法である textitInfluence-Guided Regression (IGSR) を導入する。
LLM-SRBench, 薬理学的PKPDモデル, 疫学シミュレーション, 実世界のゲノムデータなど, IGSRの有効性を示す。
論文 参考訳（メタデータ） (2026-05-27T23:48:01Z) - Unlocking Biological Workflows for Robust Protein-Text Question Answering: A Dual-Dimensional RAG Framework [60.82334952881798]
タンパク-テキスト質問回答(QA)は、自然言語による生物学的配列の解釈に不可欠である。
2D-ProteinRAGは,大規模言語モデル(LLM)を金本位生物研究ワークフロー内で動作させる新しいフレームワークである。
本研究では,2D-Proteinが常に最先端の性能を達成し,微調整ベースラインや他のRAG法よりも優れた性能を発揮することを示す。
論文 参考訳（メタデータ） (2026-05-17T05:03:24Z) - Perspective: Towards sustainable exploration of chemical spaces with machine learning [49.29528647472741]
持続可能な進歩は、オープンデータとモデル、再利用可能なデータセット、ドメイン固有のAIシステムに依存します。
我々は、汎用機械学習(ML)モデル、多要素アプローチ、モデルの蒸留、アクティブラーニングなど、効率を高めるための新たな戦略を強調した。
論文 参考訳（メタデータ） (2026-03-31T13:29:20Z) - AgentCAT: An LLM Agent for Extracting and Analyzing Catalytic Reaction Data from Chemical Engineering Literature [55.66036140125613]
本稿では,化学工学論文から触媒反応データを抽出し,解析する大規模言語モデル (LLM) エージェントであるAgentCATを提案する。
AgentCATは、化学工学分野における長年のデータボトルネックを克服する代替手段として機能する。
論文 参考訳（メタデータ） (2026-02-10T04:30:11Z) - AI Co-Scientist for Knowledge Synthesis in Medical Contexts: A Proof of Concept [0.0]
本稿では,人口,インターベンション,コンパレータ,アウトカム,学習デザイン(PICOS)の明示的な形式化に基づく,スケーラブルで透明な知識合成のためのAIを提案する。
このプラットフォームはリレーショナルストレージ、ベクトルベースのセマンティック検索、Neo4jナレッジグラフを統合している。
その結果,PICOS対応で説明可能な自然言語処理は,エビデンス合成のスケーラビリティ,透明性,効率性を向上できることがわかった。
論文 参考訳（メタデータ） (2026-01-16T23:07:58Z) - Automatic Building Code Review: A Case Study [6.530899637501737]
建設担当者は、プロジェクトのサイズと複雑さが増大するにつれて、労働集約的で、エラーを起こし、コストがかかる設計文書のレビューに直面します。
本研究では,BIMに基づくデータ抽出と自動検証を統合したエージェント駆動型フレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-03T00:30:14Z) - Optimizing Agricultural Research: A RAG-Based Approach to Mycorrhizal Fungi Information [1.2349443032034277]
Retrieval-Augmented Generation (RAG)は自然言語処理における変換的アプローチである。
マイコフィトに適したRAG対応システムの設計と評価について述べる。
このフレームワークは、持続可能な農業システムにおける農業革新を加速し、意思決定を強化するために、AIによる知識発見の可能性を強調している。
論文 参考訳（メタデータ） (2025-09-16T20:21:55Z) - Platform for Representation and Integration of multimodal Molecular Embeddings [43.54912893426355]
既存の分子埋め込みのための機械学習手法は、特定のタスクやデータモダリティに制限されている。
既存の埋め込みは、ほとんど重複しない分子信号を取り込んでおり、埋め込み統合の価値を強調している。
我々は,多モード分子埋め込み(PRISME)の表現と統合のためのプラットフォームを提案し,不均一な埋め込みを統一された多モード表現に統合する。
論文 参考訳（メタデータ） (2025-07-10T01:18:50Z) - A Comparative Study of Machine Learning Algorithms for Anomaly Detection
in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。
Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。
しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
論文 参考訳（メタデータ） (2023-07-01T15:18:00Z)
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。