폴란드 과학아카데미 이론·응용정보학연구소와 토룬 니콜라우스 코페르니쿠스 대학교 연구진이 대규모 언어 모델(LLM)에 가시광선·근적외선(VNIR) 스펙트럼을 압축해 설명하는 방법인 SpecLLM을 발표했습니다. 2026년 10월 17일 Scientific Reports에 게재된 연구는 초분광 데이터용 머신러닝·기반 모델이 수치 출력이나 잠재 표현을 내놓고, LLM 방식도 주로 원시 수치열을 사용해 온 한계를 겨냥했습니다. 분광학자는 이와 달리 피크의 위치와 강도 같은 특징으로 스펙트럼을 해석합니다.

SpecLLM은 스펙트럼에서 요약 통계와 물질을 구별하는 극값을 추출한 뒤, 이를 자연어 또는 구조화된 JSON으로 변환합니다. 이 방식은 전체 스펙트럼을 쉼표로 구분한 값(CSV), JSON, 확장 가능한 마크업 언어(XML)로 입력하던 방식을 대체합니다. 연구진은 공개된 VNIR 초분광 혈액 데이터셋에서 서로 보완적인 두 장면을 사용해 원형 기반 물질 분류를 평가했습니다. 선정된 모델에서는 압축 특징 표현이 원시 수치 입력보다 훨씬 나은 성능을 보였지만, 원시 스펙트럼을 사용한 랜덤 포레스트보다는 낮았습니다.

자연어 표현은 압축된 스펙트럼 근거를 읽고 살펴볼 수 있게 하며, 전체 스펙트럼 입력보다 프롬프트 길이를 줄입니다. 연구진은 자연어와 JSON 특징 표현의 성능이 대체로 비슷하다고도 밝혔습니다. 연구에는 자금 지원이 없었으며, 저자들은 원고를 준비하며 편집, 문법 개선, 맞춤법 검토에 ChatGPT와 Grammarly 등의 도구를 사용했다고 밝혔습니다.

폴란드 과학아카데미 이론·응용정보학연구소와 토룬 니콜라우스 코페르니쿠스 대학교 연구진이 대규모 언어 모델(LLM)에 가시광선·근적외선(VNIR) 스펙트럼을 압축해 설명하는 방법인 SpecLLM을 발표했습니다. 2026년 10월 17일 Scientific Reports에 게재된 연구는 초분광 데이터용 머신러닝·기반 모델이 수치 출력이나 잠재 표현을 내놓고, LLM 방식도 주로 원시 수치열을 사용해 온 한계를 겨냥했습니다. 분광학자는 이와 달리 피크의 위치와 강도 같은 특징으로 스펙트럼을 해석합니다.

SpecLLM은 스펙트럼에서 요약 통계와 물질을 구별하는 극값을 추출한 뒤, 이를 자연어 또는 구조화된 JSON으로 변환합니다. 이 방식은 전체 스펙트럼을 쉼표로 구분한 값(CSV), JSON, 확장 가능한 마크업 언어(XML)로 입력하던 방식을 대체합니다. 연구진은 공개된 VNIR 초분광 혈액 데이터셋에서 서로 보완적인 두 장면을 사용해 원형 기반 물질 분류를 평가했습니다. 선정된 모델에서는 압축 특징 표현이 원시 수치 입력보다 훨씬 나은 성능을 보였지만, 원시 스펙트럼을 사용한 랜덤 포레스트보다는 낮았습니다.

자연어 표현은 압축된 스펙트럼 근거를 읽고 살펴볼 수 있게 하며, 전체 스펙트럼 입력보다 프롬프트 길이를 줄입니다. 연구진은 자연어와 JSON 특징 표현의 성능이 대체로 비슷하다고도 밝혔습니다. 연구에는 자금 지원이 없었으며, 저자들은 원고를 준비하며 편집, 문법 개선, 맞춤법 검토에 ChatGPT와 Grammarly 등의 도구를 사용했다고 밝혔습니다.