ترجمه فارسی مقاله مسیریاب: چارچوبی معنایی برای بررسی ادبیات و کشف دانش در نجوم

چکیده

The exponential growth of astronomical literature poses significant challenges for researchers navigating and synthesizing general insights or even domain-specific knowledge. We present Pathfinder, a machine learning framework designed to enable literature review and knowledge discovery in astronomy, focusing on semantic searching with natural language instead of syntactic searches with keywords. Utilizing state-of-the-art large language models (LLMs) and a corpus of 350,000 peer-reviewed papers from the Astrophysics Data System (ADS), Pathfinder offers an innovative approach to scientific inquiry and literature exploration. Our framework couples advanced retrieval techniques with LLM-based synthesis to search astronomical literature by semantic context as a complement to currently existing methods that use keywords or citation graphs. It addresses complexities of jargon, named entities, and temporal aspects through time-based and citation-based weighting schemes. We demonstrate the tool’s versatility through case studies, showcasing its application in various research scenarios. The system’s performance is evaluated using custom benchmarks, including single-paper and multi-paper tasks. Beyond literature review, Pathfinder offers unique capabilities for reformatting answers in ways that are accessible to various audiences (e.g. in a different language or as simplified text), visualizing research landscapes, and tracking the impact of observatories and methodologies. This tool represents a significant advancement in applying AI to astronomical research, aiding researchers at all career stages in navigating modern astronomy literature.

چکیده به فارسی (ترجمه ماشینی)

رشد نمایی ادبیات نجومی چالش های مهمی را برای محققان در حال حرکت و سنتز بینش های عمومی یا حتی دانش خاص دامنه ایجاد می کند.ما Pathfinder را ارائه می دهیم ، یک چارچوب یادگیری ماشین که برای فعال کردن بررسی ادبیات و کشف دانش در نجوم طراحی شده است ، با تمرکز بر جستجوی معنایی با زبان طبیعی به جای جستجوی نحوی با کلمات کلیدی.با استفاده از مدلهای زبان بزرگ زبان (LLMS) و یک بخش از 350،000 مقاله بررسی شده توسط همسالان از سیستم داده اخترفیزیک (ADS) ، Pathfinder یک رویکرد نوآورانه برای تحقیق علمی و اکتشافات ادبیات ارائه می دهد.چارچوب ما تکنیک های بازیابی پیشرفته با سنتز مبتنی بر LLM را برای جستجوی ادبیات نجومی توسط متن معنایی به عنوان مکمل روشهای موجود موجود که از کلمات کلیدی یا نمودارهای استناد استفاده می کنند ، زوج می کنند.این طرح به پیچیدگی های ژارگون ، اشخاص نامگذاری شده و جنبه های زمانی در برنامه های وزنه برداری مبتنی بر زمان و استناد می پردازد.ما تطبیق پذیری ابزار را از طریق مطالعات موردی نشان می دهیم و کاربرد آن را در سناریوهای مختلف تحقیق نشان می دهیم.عملکرد سیستم با استفاده از معیارهای سفارشی ، از جمله کارهای تک کاغذ و چند کاغذ ارزیابی می شود.فراتر از بررسی ادبیات ، Pathfinder قابلیت های منحصر به فردی را برای اصلاح پاسخ ها به روش هایی که برای مخاطبان مختلف در دسترس است (به عنوان مثال به یک زبان متفاوت یا به عنوان متن ساده) ، تجسم مناظر تحقیقاتی و پیگیری تأثیر رصدخانه ها و روش ها ارائه می دهد.این ابزار نشان دهنده پیشرفت قابل توجهی در استفاده از هوش مصنوعی در تحقیقات نجومی ، کمک به محققان در تمام مراحل شغلی در پیمایش در ادبیات نجوم مدرن است.