ネイチャーニュース：AIがノーベル賞受賞研究をわずか数分で再現、1回成功

わずか数分で、AI はノーベル賞を受賞した研究を再現することに成功しました。しかも、必要なのはたった 1 回の試行だけでした。

このGPT-4搭載の「AIラボパートナー」はCoscientistと呼ばれ、カーネギーメロン大学とエメラルドクラウドラボの研究チームによって共同で提案され、権威ある科学雑誌Natureに掲載されたばかりです。

Coscientist は、大規模言語モデル (LLM) の機能と、インターネットやドキュメントの検索、コード実行、実験自動化などのツールを組み合わせて、現実世界の化学実験を自律的に設計、計画、実行すると報告されています。

Coscientist は、パラジウム触媒カップリング反応の最適化の成功 (米国の化学者リチャード・フレッド・ヘック氏と日本の化学者 2 名、根岸英一氏と鈴木章氏は、有機合成におけるパラジウム触媒カップリング反応の研究により 2010 年のノーベル化学賞を受賞) を含む 6 つの異なるタスクで研究を加速する可能性を実証するとともに、(半)自律的な実験設計と実行における高度な機能も実証しました。

図 | Coscientist によって生成されたコード。手順は次のとおりです: メソッドのメタデータを定義し、ラボウェア モジュールをロードし、液体ハンドラーを設定し、必要な試薬転送を実行し、ヒーター シェーカー モジュールを設定し、反応を実行し、モジュールを閉じます。 （出典：本論文）

この研究は、AIを効果的に活用することで科学的発見のスピードと量を高め、実験結果の再現性と信頼性を向上させることが可能であることを示しています。

「大規模言語モデルによる自律的な化学研究」と題された関連研究論文がNature誌に掲載されました。

「新しい現象、新しい反応、新しいアイデアを発見するために自律的に実行できるものを手に入れることができる」と、カーネギーメロン大学の化学および化学工学の助教授で、この論文の筆頭著者であるゲイブ・ゴメス氏は述べた。 「リソースと理解を大規模に民主化することができます。」

同氏は、科学における試行、失敗、学習、改善の反復プロセスはAIによって大幅に加速される可能性があり、それ自体が劇的な変化となるだろうと述べた。

「このシステムによって実証された化学合成タスクを超えて、ゲイブ・ゴメスと彼のチームは、さまざまなコンポーネントを巧みに組み合わせて、各部分の個々の貢献をはるかに超える結果を達成し、真に有益な科学研究に適用できる効率的な研究パートナーの構築に成功しました」と、国立科学財団化学部門のディレクター、デビッド・バーコウィッツ氏は述べています。

同じくネイチャー誌に掲載された展望記事の中で、リスボン大学薬学部薬学研究所のアナ・ローラ・ディアス氏とティアゴ・ロドリゲス氏は、Coscientist は「自動化された研究室の設立に向けた重要な一歩」であり、「化学における大規模言語モデルの悪用の可能性が、関連研究を抑制する規制につながらない限り、近い将来、より刺激的な開発が期待できる」と書いている。

しかし、論文に記載されているように、 Coscientist にもいくつかの制限があります。たとえば、Coscientist では、化学反応が正しく機能しないことがあります (ただし、自動的に修正することはできます)。ただし、複雑なプロンプト戦略 (思考連鎖や思考ツリーなど) を使用し、化学関連データを増やすことで、これらの問題を軽減できる可能性があります。

さらに、現実世界の研究上の問題はこの研究で扱われている問題よりもはるかに複雑であり、医薬品開発における生物学など、化学以外の分野の概念が関係することが多いことに留意することが重要です。しかし、現在の Coscientist ではこれらの複雑な問題を解決することができません。

ノーベル賞研究の再現に成功

論文によれば、Coscientist は、ネットワークやドキュメントの検索、コード実行、実験など、複数のモジュールと対話することで、複雑な問題を解決するために必要な知識を獲得します。

システムのメインモジュールは、GPT-4 をベースにした Planner です。ラボアシスタントとして、Coscientist は 4 つのコマンド (GOOGLE、PYTHON、DOCUMENTATION、EXPERIMENT) を呼び出して実験を計画します。

このうち、GOOGLE コマンドはインターネット上の検索、PYTHON コマンドはコードの実行、DOCUMENTATION コマンドは必要なドキュメントの取得と要約を担当します。さらに、これらのコマンドはサブ操作を実行できます。

図｜Coscientistシステムアーキテクチャ（出典：論文）

実験は簡単な作業から始まりました。研究者らはまず、Coscientists に液体処理機を使用して、96 個の小さな穴があるグリッド プレートに色のついた液体を注入するよう依頼しました。タスクの指示には、主に「1 列おきに好きな色で塗る」や「青い斜めの線を引く」などの低レベルのタスクが含まれていました。

上記のタスクを無事完了した後、研究チームはさらに多くの種類のロボット機器を Coscientists に実演しました。次に、Coscientist は、3 つの異なる色の液体 (赤、黄、青) が入ったボードを識別し、ボード上の各色の位置を特定するという課題に取り組みました。

図｜ロボットによる液体処理制御機能と分析ツールとの統合（出典：本論文）

Coscientist には目がないので、謎のカラーボードをロボットで分光光度計に渡し、それぞれの小さな穴で吸収される光の波長を分析して、ボード上にある色とその位置を判断するコードを作成しました。このタスクでは、研究者は Coscientist に正しい方向へのちょっとしたガイダンスを与え、さまざまな色がどのように光を吸収するかを考えるように指示する必要がありました。残りの作業は AI によって自動的に実行されます。

最終テストでは、コサイエンティストが「鈴木反応と薗頭反応」を実行する責任を負いました。

これら 2 つの反応は、発明者の名前にちなんで命名されています。 1970 年代に発見されたこれらの反応では、金属パラジウムを使用して有機分子内の炭素原子間の化学結合を触媒します。これらの反応は、炎症、喘息、その他の病気を治療するための新薬の開発に重要な役割を果たします。これらは、多くのスマートフォンやモニターに使用されている技術である OLED (有機発光ダイオード) と呼ばれる有機半導体にも広く使用されています。これらの画期的な反応とその幅広い応用は、2010 年にノーベル賞を受賞しました。もちろん、Coscientist がこれらの反応をこれまでに試したことはありませんでした。 Coscientist は主に Wikipedia で答えを探しましたが、鈴木反応と薗頭反応を説明する学術論文が掲載されているアメリカ化学会や王立化学協会などのさまざまな Web サイトも調べました。

Coscientist は、4 分以内に、チームが提供した化学物質を使用して目的の反応を達成するための正確な手順を考案しました。しかし、ロボットを使って現実世界でプログラムを実行しようとしたとき、液体サンプルを加熱して振動させる装置を制御するコードを書く際にミスが発生しました。人間からの指示なしに、Coscientist は問題を発見し、デバイスの技術マニュアルを参照してコードを修正し、再試行しました。

図 | Coscientist が設計し実行したクロスカップリング鈴木・薗頭反応実験 (出典: この論文)

結果は、数滴の透明な液体の小さなサンプルで示されます。研究者らはこれらのサンプルを分析し、鈴木反応と薗頭反応のスペクトル特性を発見することに成功した。

24時間「考える」 AIラボパートナー

近年、Coscientist に加えて、AI は自律型研究室における関連研究において継続的な進歩を遂げています。

少し前、AIを使ってロボットを誘導し、新素材を製造する研究室A-Labは、人間の介入を最小限に抑えて新素材を迅速に発見しました。これは、バッテリー、エネルギー貯蔵、太陽電池、燃料電池など、複数の研究分野で材料を識別し、迅速に追跡するのに役立ちます。A-Labは、予測された58の材料のうち41の合成に成功し、成功率は71％でした。

さらに、米国のアルゴンヌ国立研究所は、ロボット工学、高性能コンピューティング、AI（機械学習を含む）の能力を駆使して、人間の介入をほとんど必要とせずに科学分野を前進させる、科学的発見をリードする先進技術「ポリボット」を発明しました。このシステムは、自律的な材料の合成と製造を可能にするだけでなく、ロボットによるサンプルの転送、特性評価、テスト、データ分析も可能にします。

今年8月、マサチューセッツ工科大学とシンガポールのXinterraは、ネイチャー誌に掲載された論文の中で、近い将来、すべての実験研究者は、自動実験の設計と実行、実験データの分析、メカニズム仮説の提案、さらには質問への回答まで支援できる科学研究AIアシスタントを持つべきであると述べた。科学研究 AI アシスタントは、実験作業者の反復的な肉体労働を大幅に軽減し、主なエネルギーを批判的思考に集中させることができます。

自然界は、その大きさと複雑さにおいてほぼ無限であり、発見されるのを待つ無数の発見が存在します。エネルギー効率を劇的に向上させることができる新しい超伝導材料や、そうでなければ治癒不可能な病気を治し、人間の寿命を延ばす化合物を想像してみてください。

しかし、こうした画期的な成果を上げるために必要な教育と訓練を受けることは、長く困難なプロセスであり、科学者の育成は困難です。 Coscientist のような AI 支援システムが、広大な未踏の自然界と訓練を受けた科学者の不足との間のギャップを埋めるだろうと想像できます。

さらに、人間の科学者も睡眠や休息といった人間的なニーズを持っていますが、人間が誘導する AI は 24 時間体制で「考え」、実験結果を繰り返しチェックして再現性を確保することができます。

AIが自律的に実験を行うことの展望は非常に広いと言えます。

参考リンク:

https://www.nature.com/articles/s41586-023-06792-0

https://www.nature.com/articles/d41586-023-03790-0

https://www.nature.com/articles/s41586-023-06734-w

https://www.nature.com/articles/s41578-023-00588-4

https://www.anl.gov/cnm/polybot