Extracting human interpretable structure-property relationships in chemistry using XAI and large language models

要約

Explainable Artificial Intelligence (XAI) は、機械学習モデルの不透明な性質に対処することを目的とした AI の新興分野です。
さらに、XAI を使用して入出力関係を抽出できることが示されており、化学において構造と特性の関係を理解するための有用なツールとなっています。
ただし、XAI メソッドの主な制限の 1 つは、XAI メソッドが技術志向のユーザー向けに開発されていることです。
私たちは、XAI メソッドと科学文献にアクセスする大規模言語モデル (LLM) を統合して、生の化学データのアクセス可能な自然言語説明を自動的に生成する XpertAI フレームワークを提案します。
XpertAI のパフォーマンスを評価するために 5 つのケーススタディを実施しました。
私たちの結果は、XpertAI が LLM と XAI ツールの長所を組み合わせて、具体的で科学的で解釈可能な説明を生成することを示しています。

要約(オリジナル)

Explainable Artificial Intelligence (XAI) is an emerging field in AI that aims to address the opaque nature of machine learning models. Furthermore, it has been shown that XAI can be used to extract input-output relationships, making them a useful tool in chemistry to understand structure-property relationships. However, one of the main limitations of XAI methods is that they are developed for technically oriented users. We propose the XpertAI framework that integrates XAI methods with large language models (LLMs) accessing scientific literature to generate accessible natural language explanations of raw chemical data automatically. We conducted 5 case studies to evaluate the performance of XpertAI. Our results show that XpertAI combines the strengths of LLMs and XAI tools in generating specific, scientific, and interpretable explanations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google