SpecLLM、VNIRスペクトルをLLM向けに圧縮
Nature2026年10月18日 (日)
- •研究者が、VNIRスペクトルを大規模言語モデル向けの簡潔な特徴量に変換する手法「SpecLLM」を発表
- •公開血液ハイパースペクトルデータセットの2場面で、簡潔な入力と生スペクトルを比較
- •選定モデルでは簡潔な表現が生の数値入力を上回る一方、生スペクトルを使うランダムフォレストには及ばず
ポーランド科学アカデミー理論・応用情報学研究所とトルンのニコラウス・コペルニクス大学の研究者が、大規模言語モデル（LLM）に可視・近赤外（VNIR）スペクトルを簡潔に記述する手法「SpecLLM」を発表しました。研究は2026年10月17日付で『Scientific Reports』に掲載されました。従来のハイパースペクトルデータ向け機械学習モデルや基盤モデルは数値出力や潜在表現を返すことが多く、LLMを使う手法も主に数値列をそのまま入力していました。一方、分光学者はピークの位置や強度などの特徴からスペクトルを読み取ります。
SpecLLMはスペクトルから要約統計量と物質を見分ける手がかりとなる極値を抽出し、その特徴を自然言語または構造化JSONに変換します。これにより、スペクトル全体をカンマ区切り値（CSV）、JSON、拡張可能なマークアップ言語（XML）で入力する方法に代わる表現を作ります。研究者は、一般公開されたVNIRハイパースペクトル血液データセットの相補的な2場面で、試作システムによる物質分類を評価しました。選定したモデルでは簡潔な特徴表現が生の数値入力を大きく上回りましたが、生スペクトルを使ったランダムフォレストの成績には届きませんでした。
自然言語による表現は、スペクトルの特徴を読み取って確認できる形にし、全スペクトルを入力する場合よりプロンプトを短くします。自然言語とJSONによる特徴表現の性能は、おおむね同程度でした。研究への資金提供はなく、著者らは論文の準備にChatGPTやGrammarlyなどを使い、編集、文法の改善、スペル確認を行ったと述べています。