AI for Science

AI for Science。AIが、科学のやり方そのものを、変えはじめています。

科学とは、ざっくり言えば、宝探しです。ただし、探す場所が広すぎます。

薬になりそうな小さな分子だけで、推定10の60乗種類。宇宙の星の数より、はるかに多い。

1秒に1個ずつ試しても、宇宙の年齢では、まったく足りません。総当たりは、作戦とは呼べません。

人類は、方法を増やして戦ってきました。実験、理論、計算、データ。

そして5つ目が、AIです。仕事は3つ。予測する。生成する。次の一手を選ぶ。

まず、予測。何時間もかかるシミュレーションの結果を、AIに覚えさせます。

すると、まだ試していない候補の答えを、一瞬で言い当てる。カンニングではありません。学習です。

代表選手が、AlphaFold。タンパク質の形を予測して、2024年のノーベル化学賞。この話は、別の動画でじっくり。

次に、生成。AIは選ぶだけではありません。まだこの世にない結晶を、ノイズから組み上げます。

GoogleのGNoMEは、新しい結晶を220万個も提案しました。うち38万個は、安定だという予測。…提案するほうは、気楽でいいですね。作るのは誰でしょう。

そこで3つ目。次の一手を選ぶ。実験できる回数は、限られていますから。

使うのは、ベイズ最適化。まだ分からない場所と、有望そうな場所を天秤にかけて、次の実験を決めます。

この例では、たった13回で頂上に到達。勘と根性の出番は、ありませんでした。

そして選んだ実験を、ロボットが実行します。文句も言わず、休憩も取らず。これが、自律実験。

2020年の論文では、8日間で688回の実験をこなし、最初の6倍の性能をもつ光触媒を見つけました。

予測して、選んで、試す。この小さいループは、もうAIとロボットが回せます。残っていたのは、その外側です。

結果を解釈して、次に何を問うかを決める、大きいループ。ここは長いあいだ、人間の仕事でした。そして、いちばん遅い部分でもありました。

いま、LLMが、この大きいループも回しはじめています。論文を読み、仮説を立て、実験を計画するAIです。

問いの更新まで、自動で回る。だから、桁違いの加速が期待されているのです。

道具が1つ増えた、という話ではありません。科学の進め方そのものが、変わろうとしています。