Read Before You Fit: Text-Derived Constraints for Discovering Differential Equations from Noisy Biological Data

발행일
출처
arXiv
논문 번호
1490
분야
Research Agents
arXiv 번호
2611.19779

이 논문은 생물학 논문 텍스트에서 형식 제약을 뽑아 미분방정식 후보 구조를 걸러내는 P2C 에이전트 프레임워크를 제안했다.

이 논문은 한마디로 과학 텍스트의 기제 지식을 형식 제약으로 바꿔 잡음 많은 생물 데이터의 방정식 발견을 돕는 프레임워크다. P2C는 텍스트에서 제약 추출, ODE 발견, 기호 검증, 파라미터 적합, 모형 점수화의 다섯 단계로 이루어졌다. 급성 염증과 면역 조절의 네 개 ODE 계에서 텍스트 제약을 더하자 최악 형태 오차가 깨끗한 데이터에서 1.397에서 0.499로, 표준편차 0.1 가우시안 잡음에서 13.096에서 1.095로 줄었다. 시험한 잡음 범위에서 여러 LLM 기준보다 낮은 형태 오차와 궤적 오차를 달성했다.

핵심 요약

  • 연구진은 생물학 계의 텍스트 설명을 형식화된 제약 묶음으로 옮기고, 이 제약으로 수치 적합 전에 후보 상미분방정식 구조를 제한하는 P2C 에이전트 프레임워크를 제안했다.
  • P2C는 텍스트에서 제약 추출, ODE 발견, 기호 검증, 파라미터 적합, 모형 점수화의 다섯 단계로 이루어졌다.
  • 급성 염증과 면역 조절의 네 개 공개 ODE 계에서 텍스트 제약을 더하자 최악 형태 오차가 깨끗한 데이터에서 1.397에서 0.499로 줄었고, 표준편차 0.1 가우시안 잡음 데이터에서 13.096에서 1.095로 줄었다.
  • P2C는 시험한 잡음 범위에서 여러 LLM 기준보다 낮은 형태 오차와 궤적 오차를 달성했다.

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.

원문 보기 (새 탭에서 열림)