論文の概要: FACET: Feasibility-Automaton Complete Enumeration and Truncation-Free Scoring of Molecular Formulas from MS/MS

• arxiv url: http://arxiv.org/abs/2611.01352v1
• Date: Sat, 31 Oct 2026 23:45:06 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:55:36.637615
• Title: FACET: Feasibility-Automaton Complete Enumeration and Truncation-Free Scoring of Molecular Formulas from MS/MS
• Title（参考訳）: FACET:MS/MSによる分子式の自動列挙とトリニケートフリースコーリング
• Abstract要約: FACETは,どの公式を選択すべきかを,どの公式を選択すべきかを判断する。 実現可能性オートマトンは、式 1 個の要素を一度に数え、前駆体質量に適合する公式を正確に認める。 小さなニューラルスコアリングヘッドは、事前訓練されたスペクトルエンコーダの1つのパスから全ての実行可能な公式をランク付けするので、候補は捨てられません。
• 参考スコア（独自算出の注目度）: 3.2243643829769586
• License:
• Abstract: Determining the neutral molecular formula of a precursor ion from its tandem mass (MS/MS) spectrum is the first step in identifying an unknown small molecule. Existing methods trade recall, whether the correct formula is among the candidates, against the cost of examining each candidate. Methods that examine each candidate in depth must first shorten the list, by limiting element counts or truncating it, and that is where the correct formula is lost. End-to-end regressors are fast but guarantee neither validity nor recall. We present FACET, which separates deciding which formulas to consider from deciding which one to choose. A feasibility automaton builds a formula one element count at a time and admits exactly the formulas that fit the precursor mass and satisfy the ring-and-double-bond and valence constraints. Run as an exhaustive search, it enumerates the complete feasible set, so every candidate is valid and recall is fixed by the chemical constraints rather than by a trained model. A small neural scoring head then ranks every feasible formula from one pass of a pretrained spectrum encoder, so no candidate is discarded. On the NPLIB1 benchmark FACET reaches top-1 accuracies of $0.859$ with the adduct known and $0.729$ with it unknown, compared with $0.766$ and $0.660$ for the strongest established method, and its recall is the highest. On the external CASMI 2022 set its recall is $1.000$, and with the adduct unknown it is the most accurate of the methods compared.
• Abstract（参考訳）: タンデム質量(MS/MS)スペクトルから前駆体イオンの中性分子式を決定することは、未知の小さな分子を同定する最初のステップである。 既存の方法では、各候補を検査するコストに対して、正しい公式が候補のうちのいずれであるかを、リコールする。 それぞれの候補を深さで調べる手法は、まず要素数を制限するか、それを取り除くことでリストを短くし、そこで正しい公式が失われる。 エンドツーエンドの回帰器は高速だが、妥当性もリコールも保証しない。 FACETは,どの公式を選択すべきかを,どの公式を選択すべきかを判断する。 実現可能性オートマトンは、式 1 個の要素を一度に生成し、前駆体質量に適合し、リング・アンド・ダブル・ボンドおよび価数制約を満たす公式を正確に認める。 徹底的な探索として実行され、完全な実現可能な集合を列挙するので、すべての候補が有効であり、訓練されたモデルよりも化学的な制約によってリコールが固定される。 小さなニューラルスコアリングヘッドは、事前訓練されたスペクトルエンコーダの1つのパスから全ての実行可能な公式をランク付けするので、候補は捨てられません。 NPLIB1 のベンチマークでは FACET は 0.859$、アダクトは 0.729$、未知は 0.766$ と 0.660$ の最高値に達し、リコールは最高値である。 外部のCASMI 2022セットのリコール価格は$1.000ドルであり、アダクトが不明なため、比較した手法の中で最も正確である。

関連論文リスト

• Hypothesis Frontier: Verifier Guided LLM and Symbolic Search for First-Order Induction [0.0]
  一階の概念合成は、ラベル付きオブジェクトをいくつかの有限リレーショナル構造に対して一貫して分類する1つの公式を推論するようにシステムに要求する。 本稿では,各学習対象のLSM式を評価する検証器誘導型ニューロシンボリックフレームワークであるPhythesis Frontierを紹介する。
  論文  参考訳（メタデータ） (2026-08-11T12:13:35Z)
• Randomized product formulas beyond optimal deterministic scaling [0.0]
  トロッター公式(英: Trotter formulas)またはトロッター公式(英: Trotter formulas)は、量子系をシミュレートする最も広く使われ、実用的な方法の一つである。 エネルギースケールを分離したハミルトニアンをシミュレートするランダム化積公式の2つの新しいクラスを導入する。
  論文  参考訳（メタデータ） (2026-08-07T19:13:09Z)
• Robust Average-Reward Markov Decision Processes: Minimax-Optimal Learning via Plug-in Reductions [51.50375419691955]
  分布的に堅牢なマルコフ決定プロセスは、モデルの不確実性の下でのシーケンシャルな意思決定のための原則化されたフレームワークを提供する。 我々は,平均回帰基準の下で,$varepsilon$-Optimal robust policyを学習するのに必要なサンプル数と十分なサンプル数について検討した。
  論文  参考訳（メタデータ） (2026-08-06T19:49:48Z)
• MARLIN: De Novo Molecular Structure Elucidation from Tandem Mass Spectra without a Ground-Truth Formula [3.2243643829769586]
  分子式を持たないスペクトルから直接構造を解明するde novo法であるMARLINを提案する。 確実に安全な質量殻制限は、全ての候補が原子の在庫を固定することなく測定された質量と整合性を保つ。 NPLIB1ベンチマークでは、MARLINは、正確なマッチング精度、構造距離、指紋の類似性にまたがって、地上構造式を使わずに評価される最強の手法である。
  論文  参考訳（メタデータ） (2026-07-06T08:05:46Z)
• Evaluating higher-order product formulae for molecular ground-state energy estimation [0.0]
  分子基底エネルギー推定のための決定論的高次積公式を評価する。 従来の仮定よりも局所的かつ安価に非クリフォード演算を生成できる最近のフォールト・アーキテクチャにより、我々は量子化学の実用的な候補としてそのような公式を再検討する。
  論文  参考訳（メタデータ） (2026-05-29T08:03:52Z)
• Sharp Capacity Thresholds in Linear Associative Memory: From Winner-Take-All to Listwise Retrieval [59.859592671274704]
  $dtimes d$ リニアメモリストアはいくつのキー値アソシエーションが可能ですか? この答えは、メモリマトリックスの$d2$自由度だけでなく、検索基準にも依存する。
  論文  参考訳（メタデータ） (2026-05-06T17:53:20Z)
• Breaking the Modality Barrier: Generative Modeling for Accurate Molecule Retrieval from Mass Spectra [60.08608779794957]
  本稿では,ジェネレーティブ言語モデルに基づく検索フレームワークであるGLMRを提案する。 検索前の段階では、比較学習に基づくモデルでは、上位候補分子を入力質量スペクトルの文脈的先行として識別する。 生成検索段階において、これらの候補分子は入力質量スペクトルと統合され、精製された分子構造を生成するための生成モデルが導かれる。
  論文  参考訳（メタデータ） (2025-11-09T07:25:53Z)
• Provable Scaling Laws for the Test-Time Compute of Large Language Models [84.00141420901038]
  本研究では,大規模言語モデルのテスト時間計算において,証明可能なスケーリング法則を享受する2つのアルゴリズムを提案する。 1つは2段階ノックアウト方式のアルゴリズムで、各候補は複数の相手に対して平均勝利率で評価される。 もう1つは2段階のリーグ方式のアルゴリズムで、各候補は複数の相手に対して平均勝利率で評価される。
  論文  参考訳（メタデータ） (2024-11-29T05:29:47Z)
• A hybrid quantum algorithm to detect conical intersections [39.58317527488534]
  実分子ハミルトニアンに対して、ベリー相は選択された経路に沿って変分アンザッツの局所的最適性をトレースすることによって得られることを示す。 フォーマルジミン分子の小さな玩具モデルへのアルゴリズムの適用を数値的に示す。
  論文  参考訳（メタデータ） (2023-04-12T18:00:01Z)
• RetCL: A Selection-based Approach for Retrosynthesis via Contrastive Learning [107.64562550844146]
  レトロシンセシスは深層学習の新たな研究分野である。 本稿では, 市販分子の候補群から, 反応物質の選択問題へとレトロシンセシスを再構成する新しいアプローチを提案する。 スコア機能を学ぶために、ハードネガティブマイニングを備えた新しいコントラストトレーニングスキームも提案します。
  論文  参考訳（メタデータ） (2021-05-03T12:47:57Z)

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。