Show HN: 850万件の研究論文をインタラクティブなアトラスにマッピングしました
Show HN: I mapped 8.5M research papers into an interactive atlas (tomesphere.com)
要約
研究論文を読む際に、データセット、コード、動画、査読などの情報にアクセスするために複数のタブを切り替える手間を解消するため、850万件以上の研究論文をインタラクティブなアトラスにマッピングしたプロジェクトが公開されました。このプロジェクトは、論文の概要、関連エンティティ、コード、ピアレビューなどを統合し、ブラウザ拡張機能やAPIも提供しています。
全文翻訳
論文を読む際、データセット、コード、動画、査読などを探すために複数のタブを切り替える必要がありました。このプロジェクトはこの問題を解決しようとしたものです。
当初はarXivの論文のみを対象としていましたが、Twitterでの初期の成功(1.9kビューを獲得、これは私が投稿した中で最も多いビュー数でした)を受けて、PubMed Central、bioRxiv、medRxiv、eLifeから公開されている他の論文にも対象を拡大しました。これらの論文は、遺伝子、タンパク質、疾患、薬剤、臨床試験、3Dタンパク質構造、コード、引用論文、類似論文とリンクされています。
このプロジェクトは現在4つの部分から構成されています。
第一に、マップです。SPECTER2を用いて約850万件の論文を埋め込み、UMAPで2D表現を実行し、散布図としてレンダリングしました。ドットをクリックすると、LLMによるTLDR、主要な発見、査読、リンクされたエンティティなどの論文に関する簡単な情報が表示されます。クラスターにはラベルも付けられていますが、ズームインする必要があるかもしれません。
第二に、各論文の詳細ページを構築しました。論文の全文、画像、動画、査読(OpenReviewから)、GitHubリンク、Hugging Faceのデータセット/モデルリンク、臨床試験、遺伝子、疾患、3Dタンパク質構造、引用論文、類似論文を提供します。LLM用に、全文および画像URLを含むページ全体をMarkdown形式でコピーすることもできます。
第三に、拡張機能をリリースしました。これにより、arXiv、PMC、bioRxiv、Google Scholar、medRxivに表示される「Tomesphereで開く」をクリックすることで、サイドバーでこのすべての情報を読み取ることができます。拡張機能では可能な限り多くの情報を提供するように努めましたが、すべての画像や3Dタンパク質構造を表示するなどの機能については、拡張機能で提供されるリンクを使用して論文ページにアクセスする必要があるかもしれません。
第四に、このすべてのデータはMCPを通じてLLMで利用可能です。MCPには50クエリの無料制限がありますが(サインアップで10倍になります)。
注意:このプロジェクトはまだベータ版であるため、論文情報に一部不一致がある可能性があります。データ品質を向上させるために、まもなくフィードバックフォームを導入する予定です。お読みいただき、誠にありがとうございました。