uni-jena.de

이 이메일 도메인이 관측된 논문 2건

arXiv:2609.00883v2cs.LG

광대역 CARS 위상 복원을 위한 iPINN: 비선형 분광학에서의 함수 근사 및 역 모델링 문제를 위한 프레임워크

iPINN for Broadband CARS Phase Retrieval: A Framework for Function Approximation and Inverse Modeling Problems in Nonlinear Spectroscopy

광대역 결맞음 반스토크스 라만 산란(BCARS)은 화학적으로 특이적인 진동 스펙트럼을 기록하지만, 측정 신호에는 시료의 공명적인 라만 유사 응답과 측정마다 달라지는 비공명 배경이 섞여 있다. 위상 복원이라 불리는 공명 응답의 복원은 비적절(ill-posed) 역문제이다. 우리는 BCARS 스펙트럼으로부터 로런츠 진동 밴드의 위치, 진폭, 폭을 직접 예측하는 역 물리 기반 신경망인 iPINN을 제시한다. 트랜스포머 네트워크가 이러한 밴드 매개변수를 추정하고, 공명 감수율의 미분 가능한 해석 모델이 이를 물리적으로 정의된 밴드의 합으로서 라만 유사 스펙트럼으로 재구성한다. 우리는 각 기준 화합물의 밴드는 고정하고 배경의 형태와 세기 및 잡음은 변화시킨 모사 스펙트럼으로 네트워크를 학습시킨다. 학습은 또한 이러한 변화 전반에서 동일한 화합물에 대해 유사한 밴드 예측을 내도록 유도한다. 톨루엔과 디메틸설폭시드 스펙트럼의 공개 벤치마크에서 이 네트워크는 다섯 가지 딥러닝 베이스라인 중 최고 성능 모델의 약 3분의 1에 해당하는 평균 절대 오차를 달성하였다. 디메틸설폭시드에 대한 오차는 세 가지 잡음 수준에서 거의 일정하게 유지되었다. 또한 배경 세기가 서로 다른 네 가지 초점 깊이에서 기록한 일곱 가지 용매의 스펙트럼 28개를 사용하였다. 일곱 가지 용매 중 다섯 가지에서는 평균 절대 오차가 깊이에 따라 거의 변하지 않았으나, 나머지 두 가지에서는 더 크게 변하였다. 이러한 결과는 본 접근법이 배경이 변할 때 시험한 대부분의 용매에 대해 위상 복원을 안정적으로 유지함을 시사한다.

arXiv:2610.01393v1cs.CL

온톨로지 네트워크 구축을 위한 LLM 보조 타입 지정 시맨틱 링크 발견

LLM-Assisted Discovery of Typed Semantic Links for Ontology Network Construction

온톨로지 간에 타입이 지정되고 타당성이 입증된 시맨틱 링크를 구축하는 것은 이종 및 학제 간 지식 도메인 전반의 상호운용성을 확보하는 데 필수적입니다. 그러나 이러한 링크를 수동으로 큐레이션하는 방식은 확장이 어렵습니다. 이러한 문제를 해결하기 위해, 본 연구에서는 도메인 내 및 도메인 간 관계의 발견과 생성을 자동화하는 온톨로지 네트워크 구축용 엔드투엔드(end-to-end) 프레임워크를 제안합니다. 제안하는 접근 방식은 조밀한 문맥 표현을 위한 도메인 적응형 DistilBERT 임베딩(embedding), 후보 탐색 공간을 줄이기 위한 클러스터링 기반 사전 필터링, 그리고 의미론적으로 풍부하고 해석 가능한 링크를 생성하기 위한 반복적 프롬프트(prompt) 엔지니어링 기반의 GPT-4o 주도 관계 생성을 결합합니다. 머신러닝, 현미경학, 계산 과학, 실험 워크플로에 걸친 33개 온톨로지 네트워크인 ReproduceMeON에 적용한 결과, 본 파이프라인은 약 80만 개의 원시 개념 쌍을 9만 5천 개의 고품질 후보로 축소합니다. 독립적인 두 명의 어노테이터가 생성된 429개 관계에 대해 수행한 인간 전문가 검증(validation)에서는 상당한 평가자 간 일치도와 함께 80.19%의 전체 정밀도(precision)(확실성이 높은 어노테이션에서는 91.49%) 및 0.890의 F1 점수를 달성했습니다. Sentence-BERT를 포함한 5개의 유사도 기반 베이스라인(baseline)과의 비교 실험에서 상당한 성능 격차(최고 베이스라인 F1 = 0.581)를 보였으며, 소거 연구(ablation study)를 통해 필터링된 후보 세트에서 유사도 기반 방식만으로는 유효한 관계와 유효하지 않은 관계를 구분하지 못함(AUC 약 0.5)을 입증했습니다. 이러한 결과는 정확한 관계 구축을 위해 개념의 역할과 도메인 시맨틱에 대한 대규모 언어 모델(LLM) 기반 추론의 필요성을 강조합니다.