AI科学研究

Stationの研究では、ウェブ検索や既存の結果を使えない条件でも、複数のAIエージェントが既知の科学的発見を相当数再発見しました。一方で、探索を続ける能力と、重要な研究テーマを見極める能力は別物です。

OpenAIは、700件を超える原稿に分散したAI生成の数学成果を一挙に公開した。規模への驚きが広がる一方、内容を理解し、正しさと新規性を確認するには何年もかかる可能性がある。

ニコンは、Small World in Motionで1位となった顕微鏡動画について、生成AIに関する大会規則に違反したとして受賞を取り消した。

Gan Jiangは、言語モデルを再学習せずに粉末X線回折（XRD）の分析スキルを改善する自己学習型エージェントです。相同定、多相分解、物理制約付き全パターンモデリングを一つの流れに統合します。

研究チームは、言語モデルのエージェントに分子構造最適化器 Sella を書き換えさせ、早すぎる停止や過学習を防ぐ評価ゲートで候補を選別しました。生成された AutoSella は、未知の分子や DFT テストでも力評価の回数を削減しました。

SciUtopiaは、研究テーマの選択から共同研究、投稿、査読、再投稿、助成、研究者の離脱までを一つの閉ループで再現するLLMエージェント基盤です。投稿機会の拡大は成果を増やす一方、査読負担や研究者の継続性にも影響し得ることが示されました。

Vals.aiのチームはAIエージェントを使って磁性材料を設計・探索し、新規候補1種と、1999年に合成されていた材料1種を見いだした。いずれもゼロの正味磁化と半導体のバンドギャップ、スピン選択性を両立する可能性があるが、実用化にはなお検証が必要だ。

Fold2Reasonは、タンパク質の三次元構造を検証可能な推論用データへ変換し、生物学以外の課題にも能力が転移するかを検証した。報告では、空間・グラフ・科学・一般推論の各ベンチマークで改善が確認された。

Rules to Toolsは、科学分野の自然言語要件を呼び出し可能な実行チェックへ変換し、LLMエージェントのコード修復を評価した研究です。修復率は一部のSciCodeコホートで向上しましたが、効果はタスク依存で、CPU使用量が増える場合もありました。

OSWorld-Scienceは、分子描画、病理画像解析、統計計算、物理シミュレーションなどを対象に、コンピューター利用エージェントを評価するベンチマークです。画面操作だけでなく、生成された科学的成果物の正しさも確認します。

自動化された科学研究では、実験を実行するだけでなく、どの研究方向に資源を投入するかを判断する必要があります。AIMはアイデアの整理、選択、実装監査、実験予算の配分を検索ループに組み込みます。

EvoDuetは、ウェブ検索を固定的な付加機能ではなく、解候補の進化と同時に改善されるプロセスとして扱う。複数の科学最適化タスクで成果を高めた一方、効果はモデルによって大きく異なる。

大規模言語モデルは難しい数学の証明能力を高めているが、証明できることと、興味深いことは同じではない。新研究は、定理の面白さを定量化し、既存の数学ライブラリと重複しにくい結果を選ぶ方法を提案した。

Anthropicは、ClaudeがバクテリオファージのDNAから、反復配列と結び付いた未解明の逆転写酵素系を見つけたと発表した。ARTと名付けられた系の機能は、まだ分かっていない。

SAIR Foundationは、数学研究向けのオープンウェイトモデルと周辺ツールを開発する「オープン数学モデル計画」を発表した。第1段階では、証明の理解、文献確認、コード作成、形式化などを対象とする。

Anthropicは、ベイエリアで生物学のウェットラボを運営していることを認めた。AIモデルが作成した仮説を、現実の実験で検証する体制を整えつつある。

鉄砲水は、従来の観測が危険を捉える前に発生することがある。TACLSはGNSS信号から大気中の水蒸気を推定し、機械学習と組み合わせて洪水リスクの早期把握を目指す。

HypoEvolveは、科学分野に特化した複数のLLMエージェントを遺伝的アルゴリズムで協調させ、仮説の提案、批判、修正、選抜を世代ごとに行う。がん領域のドラッグ・リポジショニングを題材に、外部の生物学的証拠で仮説を評価する。

ScienceIDE は、分散した科学ソフトウェアを、タスク生成・実行・科学的検証に対応するプログラム可能な環境へ変換する基盤です。検証済みの相互作用軌跡を使い、PhAI-IDE 系列モデルも訓練されています。

OpenAIは、ミレニアム懸賞問題の一つであるナビエ・ストークス問題で解答を見つけたと主張しています。一方で、研究データや著者資格、競合企業との協力をめぐり、数学界では懸念が広がっています。

素材によると、25人のフィールズ賞受賞者が、AI企業の一部が数学研究をベンチマーク競争へ過度に単純化していると警告した。問題はAIの利用そのものではなく、理解、帰属、教育、公開協働をどう守るかにある。