AIが解く世界の難問
AI が進めた科学と学問の成果を、学問ごとに
数学・物理・核融合・量子・生命科学・医学・気候・人文学で、AI が難問を解いた・前に進めたというニュースを、大学・研究機関・AI 研究所・学術誌・arXiv の RSS とプレスリリースから 3 時間ごとに集める。科学の成果があるものだけを Jev が選んで学問に分け、要旨は各出典の冒頭だけから書いている。詳しくは原文を読んでほしい。
RSS フィード · 58 件
肺がんおよび大腸がんの検出を対象とした解釈可能な階層型深層学習フレームワーク
原題: An interpretable hierarchical deep learning framework for lung and colon cancer detection
病理組織画像による肺がんと大腸がんの分類は、クラス間の類似性や組織形態のばらつきが大きく、従来の深層学習モデルは判断過程の透明性が低いことが課題だった。本研究では、5クラスの分類を「正常か癌か」の判定から始め、正常組織の分類または癌の亜型の特定を担う専用の分類器へ振り分ける段階的な階層型フレームワークを提案した。LC25000で98.50%、独立したLungHist700データセットで82.01%の精度を示し、Grad-CAM、Grad-CAM++、LIME、Occlusion Sensitivityによって予測に寄与する画像領域を可視化した。
B型・C型肝炎ウイルス感染のない人における肝細胞がん発症のAI予測
原題: Artificial intelligence-based prediction of hepatocellular carcinoma in individuals without HBV or HCV infection in the MASLD era
現行の肝細胞がん（HCC）監視ガイドラインは、主に肝硬変やウイルス性肝炎のある人を対象としている。本研究では、ウイルス性肝炎のない人のHCC発症リスクを予測するAIモデルを開発した。韓国の国民健康保険データベースで約796万人を解析し、12のAIモデルを比較した結果、MHA_DNNが最も高い性能を示し、独立した検証集団でも安定した精度を保った。脂肪肝指数（FLI）とトリグリセリド（TG）が主要な予測因子であり、代謝リスクに基づく個別化された監視への応用が示唆される。
網膜眼底画像から健康状態を自動予測する、注意機構と説明可能AIを用いたマルチタスク深層学習フレームワーク
原題: A multi task deep learning framework for automated health condition prediction from retinal fundus images using hybrid attention and explainable AI
従来の網膜画像向け深層学習は単一タスクに限られ、解釈性や撮影条件の違いへの対応も不十分だった。本研究では、1枚の眼底画像から糖尿病網膜症の重症度、緑内障、加齢黄斑変性の病期、心血管リスクを同時に分類する多タスクネットワークを提案した。EyePACSなど4つのデータセットで評価し、精度94.7%、AUC 0.978を示し、単一タスクモデルより統計的に優れていた。
オートマトンと機械学習を統合した学生のうつ病予測フレームワーク
原題: An automata-machine learning integrated framework for intelligent mental health diagnostics
学生のうつ病は早期に予測されにくいという問題がある。本研究では、有限オートマトンによる行動モデルと機械学習を組み合わせ、学生の感情状態から特徴量を生成した。オートマトンによる特徴統合を加えたデータに、ランダムフォレストとKStarのアンサンブルを適用したところ、精度はベースラインの82.02%から96.88%に向上した。研究では、この手法が解釈可能性と行動の追跡可能性を保てると述べられている。
LitGene：テキストとオントロジーを統合した解釈可能なトランスフォーマーによる遺伝子表現学習
原題: LitGene: an interpretable transformer model integrating text and ontology for gene representation learning
遺伝子の表現学習は配列や発現、ネットワークのデータに頼る一方で、科学文献の情報を見過ごしがちだった。本研究はLitGeneを提案し、非構造化テキストと遺伝子オントロジー注釈を対照学習で統合した。8つのタンパク質ベンチマークで十分な精度を示し、遺伝子と疾患の関連などをゼロショットで予測した。さらに特発性肺線維症の候補遺伝子としてANGPTL6を挙げ、独立した試料での発現差がそれを支持するとした。
大規模な臨床情報抽出におけるLLMの多段階検証フレームワーク
原題: A multi-stage validation framework for trustworthy large-scale clinical information extraction using large language models
大規模言語モデル（LLM）を診療記録からの情報抽出に用いる際、人手による大量の注釈なしに信頼性を評価する方法が課題だった。本研究では、プロンプト調整、ルールベースの絞り込み、意味的根拠の確認、LLMによる判定、専門家レビュー、予測妥当性の分析を組み合わせた多段階の検証フレームワークを提案した。11種類の物質に関する薬物使用障害の診断を91万9783件の臨床記録から抽出して適用したところ、根拠のない抽出の14.59%が除外された。判定用LLMを基準としたF1スコアは0.80で、LLMが抽出した診断は構造化データより専門的治療の利用をよく予測した。
歴史的な暗号が、AIを使う素人によって解読されつつある
原題: History’s long-secret codes are being cracked by amateurs using AI
専門知識のない人々が大規模言語モデル（LLM）を使い、歴史的な暗号の解読に取り組んでいる。ある非専門家は、暗号学の経験がないままGPT-6 Astraに85年前に暗号化されたドイツ軍のメッセージの解読を依頼し、翌朝には解答が得られた。暗号専門家は関心の高まりを歓迎する一方で、不正確なことも多いAIの解答の検証依頼に圧倒されている。
注意機構を組み込んだ深層学習によるマルウェアのサブファミリー判別
原題: Multi-level malware subfamily attribution from RGB executable images using attention-augmented deep learning
サイバーセキュリティでは、マルウェアの有害性、ファミリー、さらに細かいサブファミリーを段階的に判別する必要がある。本研究では、Windows PEファイルをRGB画像として表現し、検知、ファミリー分類、33サブファミリーの判別を一つの階層型深層学習フレームワークで同時に行う手法を提案した。注意機構を組み込んだ4つの転移学習モデルを同じ条件で比較し、二値分類で99%、ファミリーで96〜97%、サブファミリーで91〜95%の正解率を得たと報告されている。
AIエージェントを生物学の現実に根ざす：自律型ウェットラボに向けた要素技術
原題: Grounding AI agents in biological reality: Building blocks for autonomous wet labs
最先端のAIモデルは3次元の幾何構造や物理的な実験状態を確実に推論できず、試薬の分注などを行う液体ハンドリングロボットの自動化が難しい。Google Researchは、AIエージェントを実験室のロボットに接続し、測定結果に基づく高速な分子設計のサイクルを回せるようにした。その結果、エージェントはがん標的に結合する、ナノモル領域の一桁台の結合力を持つタンパク質を発見した。
顔と舌の写真からAIで冠動脈疾患を検出、小規模試験で全患者を特定
原題: AI detects coronary heart disease from face and tongue photos in small test
顔と舌の写真で学習させたAIシステムを使い、冠動脈疾患(CHD)の検出を試みた。中国の新たな研究による小規模な試験で、冠動脈疾患の患者全員を正しく特定した。
デジタル聴診とAIによるバングラデシュの小児呼吸器疾患における副雑音の識別
原題: Identification of adventitious lung sounds in children with respiratory illnesses in Bangladesh using artificial intelligence and digital auscultation
統合的小児疾患管理（IMCI）ガイドラインは肺炎診断の感度は高いが特異度は低い。本研究では、現地の非医師の保健従事者がデジタル聴診器で5歳未満の肺炎疑い児の胸部音を記録し、AIアルゴリズムが異常音（断続性ラ音や喘鳴）を識別できるかを小児科医のパネルの判定と比較した。その結果、異常音の検出感度は全体で61.8%、特異度は60.7%であり、IMCIの肺炎例では感度63.5%、特異度66.8%だった。AIの性能は中程度にとどまり、判定不能な録音を分類する能力の向上が今後の課題とされている。
基礎モデルを用いた外科切除断端の自動描画（インクを使わない方式）
原題: Autonomous labeling of surgical resection margins using a foundation model
病理標本では切除断端の評価が重要だが、手作業のインク付けによる誤りや、組織の収縮・変形、焼灼による損傷が判定を妨げる。本研究では、凍結した基礎モデルを特徴抽出器に用い、小規模な多層パーセプトロンで切除断端を全スライド画像上に示す「仮想インキングネットワーク（VIN）」を提案した。未見の組織ブロック由来の20枚のスライドで検証したところ、領域単位の精度は約73.3%で、専門家の注釈と質的に整合する断端マップが得られた。研究は概念実証の段階であり、より大規模な臨床データでの検証が必要だとされている。
小分子のポテンシャルエネルギーを予測する機械学習基盤
原題: A machine learning-based platform for predicting the potential energy of small molecules
薬物や遺伝子送達に関わる分子を合理的に設計するには、エネルギー最小化後の分子ポテンシャルエネルギーを正確に見積もることが重要である。本研究では、注意機構の有無を比べたCNN-BiLSTMなどの深層学習モデルを、小分子の構造データで学習させた。原子ごとの系列表現を用いることで、記述子に基づく従来の機械学習法を上回る精度でエネルギーを予測したと報告されている。
電子構造を手がかりにAIで新材料を設計
原題: Using electronic structure to guide AI in designing new materials
材料の性質は原子の配列（結晶構造）によって決まるため、所望の性質をもつ新材料の原子配置をAIで設計する試みが広がっている。東京大学生産技術研究所の研究者らは、既存の生成AIモデルを拡張し、結晶構造と合わせて材料の電子構造も設計できるようにした。新モデル「MatterGen-e⁻」はnpj Computational Materialsで報告されている。
スマートフォンでのチャットや決済の習慣からAIが日常のストレスを識別、小規模研究で判明
原題: Smartphone chatting and payment habits help AI identify daily stress, small study finds
チャット、検索、決済といった日常的なスマートフォン操作にストレスの手がかりが隠れている。KAISTの研究者らは、アプリ内で繰り返される複数の日常行動を分析し、個人の日々のストレス状態を識別する技術を開発した。
「Seal」によるヒト発達脳の遺伝子制御と変異効果の時空間AIモデリング
原題: Spatiotemporal AI-based modeling of gene regulation and variant effects in the developing human brain using Seal
発達中のヒト脳では、遺伝子変異がどのように遺伝子制御を変えるかについてのデータが限られている。研究者らは、ゲノム情報から遺伝子発現と変異の効果を予測する解釈可能なAIフレームワーク「Seal」を開発し、26の領域、30の細胞型、7つの発達段階にわたって解析した。自閉症の全ゲノムデータでは、一過性の胎児期興奮性ニューロンに、有意な偏りをもつ de novo 制御変異が見つかった。
AIで転換点を予測する
原題: Forecasting Tipping Points with AI
気候変動システムなど、一度超えると元に戻らなくなる「転換点」の予測は、日々の天候変化の予測より難しいとされる。Caltechらの研究チームは、リカレントニューラルオペレーター（RNO）というニューラルネットワークを用いて、簡単なモデルにおける転換点の発生時期を予測できることを示した。対象には気候変動システムのモデルと、飛行機の翼上の乱流気流のシミュレーションが含まれる。研究成果はPNASに掲載された。
大型タンパク質複合体の構造予測を改善するハイブリッドモデリング
原題: Hybrid modeling for improved structure prediction of large protein complexes
大型タンパク質複合体の構造予測を目的として、ab initioドッキングと組合せ的アセンブリを統合した自動化フレームワーク「HDOCK-Multimer（HDM）」が開発された。3つのベンチマークで評価したところ、最先端のアセンブリ手法や深層学習ベースの手法と比べ、大型のタンパク質集合体のモデリングにおいて精度と頑健性が向上した。
AIモデル、細胞同士の情報伝達に使われる「言語」を解読
原題: AI model decodes the language cells use to communicate
胚発生では、細胞が受け取る化学シグナルによって遺伝子の働きが変わり、細胞の役割が決まる。受け取ったシグナルの流れをたどることは難しく、情報伝達経路は細胞の種類ごとに大きく異なると考えられてきた。MITとホワイトヘッド研究所の研究者らは、この課題に取り組む計算手法を開発した。この枠組みは、幹細胞工学の加速、疾患モデルの改善、がん治療への応用につながる可能性がある。
機械学習による亜季節予報の精度向上
原題: Advancing subseasonal forecasting with machine learning
天気予報は2〜6週間先の亜季節スケールで精度が大きく落ちる。本研究は、過去の確率予報を補正することを学習する機械学習フレームワーク「確率的バイアス補正」を提案し、ECMWFの主要な力学モデルとAI予報モデルに適用した。その結果、AI予報システムのわずかな亜季節予測精度を約2倍にし、多くの対象で力学モデルの精度も改善した。
AIを用いたヒト褐色脂肪の臨床的表現型解析
原題: Artificial intelligence-enabled clinical phenotyping of human brown fat
ヒトの褐色脂肪組織（BAT）の活性を大規模に定量する方法は不足していた。本研究は大規模がんセンターの101,243人の患者データとAIを用い、約8,700人のBAT活性を半自動で定量した。その結果、BAT活性が高いほど心代謝疾患のオッズが低く、脂肪分布も良好であることが示された。
リチウムイオン電池電解質における多Li+クラスター形成の証拠
原題: Evidence for multi-Li + clustering in lithium-ion battery electrolytes
リチウムイオン電池の電解質が原子レベルでどのような溶媒和構造をとるかは、実験だけでは解明が難しい。本研究は機械学習を用いた原子スケールのシミュレーションと核磁気共鳴分光法、電気化学データ、量子化学計算を組み合わせ、アニオンを伴わない多Li+錯体を明らかにした。この錯体は還元されやすく、経験的に選ばれてきたエチレンカーボネートを含む溶媒混合系の有効性を説明する。
人工ニューラルネットワークは自ら学習の仕組みを組み上げる
原題: How artificial neural networks build their own learning machinery
ランダムに結合した多数のユニットに、結合をいつどのように変えるかという単純な指示を与えるだけで、情報処理を行う有効なネットワークに自己組織化できることが示された。MITの研究チームは、開発者が手動で設計せずにネットワークが自ら学習の仕組みを作れるかどうかを、生物学的に妥当な学習かどうかを測る重要な指標と位置づけた。ただし、この方法で設計されたネットワークは、脳の学習について多くの示唆を与えないかもしれないと研究者らは注意を促している。
AIが数学最難問の一つ、リーマン予想の解決に近づく
原題: AI edges closer to solving the Riemann hypothesis, one of math’s hardest problems
Claude、新規の酵素システムを発見
原題: Claude discovers a novel enzyme system
Anthropicは生命科学の研究チームと研究室を立ち上げ、Claudeを使ってDNAのデータから機能が分かっていないタンパク質ファミリーを探している。初期の成果として、Claudeエージェントは科学者の大まかな指示のみで、機能が未知の新規酵素システムを見つけた。この酵素はCRISPRに似た性質を持つという。
脳活動画像から認知課題を予測する言語・画像対照学習モデル「NiCLIP」
原題: NiCLIP: neuroimaging contrastive language-image pretraining model for predicting text from brain activation images
脳の活動パターンから認知過程を予測することは、神経科学の重要な課題である。研究者らは2万3千本以上の論文で学習させた対照学習モデル「NiCLIP」を開発し、脳活動パターンから認知課題、概念、領域を推定させた。ヒトコネクトーム計画のグループレベルの脳画像では認知課題を正確に予測し、扁桃体や海馬などの機能的役割も特定できた。一方、被験者レベルのノイズの多い画像では限界があった。
医用画像の修復・高画質化を一括で行う基盤モデル「AMIFound」
原題: An all-in-one foundation model for multimodal medical image restoration and enhancement
CT、MRI、PET、内視鏡、超音波、眼底、X線の7種類の医用画像について、ノイズや動きのアーチファクト、低コントラストなどで劣化した画像を修復・高画質化する基盤モデルAMIFoundが提案された。376万組の高画質画像と劣化画像のペアで学習され、38の既存手法と比べて画質指標、臨床医による評価、頑健性試験で優れた結果を示した。高画質化した画像は44の疾患検出タスクや非小細胞肺がんの腫瘍病期予測、生存リスク層別化の精度向上にも寄与した。
微分を使わずに分子のヘッシアンを予測する機械学習ポテンシャル「HIP」
原題: HIP: Hessian Interatomic Potentials without derivatives
分子のヘッシアン（ポテンシャルエネルギーの二階微分）は計算化学の多くの工程で必要だが、計算コストが高く系の大きさに対する拡張性も低い。本研究では、自動微分や有限差分に頼らずヘッシアンを直接予測する深層学習モデル「HIP」を提案し、グラフニューラルネットワークから得た表現で対称なヘッシアンを構成する。遷移状態探索、構造最適化、振動解析などで、自動微分由来のヘッシアンより高速かつ高精度だと報告されている。
睡眠に潜む兆候から将来の健康状態を読み取れる可能性
原題: Hidden signals in sleep can predict future health
AIツールは1晩分の睡眠データから、従来の睡眠指標では見逃されていた生理的パターンを読み取ることができ、そのパターンは疾患や死亡率と関連している。2本の論文は、睡眠データには臨床家や研究者が現在引き出している以上の健康情報が含まれることを示唆している。睡眠の変化が病気の診断より前に現れるとする報告も増えている。
機械学習で線毛運動を解析し、原発性線毛運動不全症を健常な線毛と区別
原題: Machine learning analysis of cilia driven particle transport distinguishes primary ciliary dyskinesia from normal cilia
原発性線毛運動不全症（PCD）は線毛の運動異常を起こす遺伝性疾患で、診断が難しい。研究者らは、高速顕微鏡で撮影した培養気道細胞上の粒子輸送を解析する機械学習の枠組み「CiliaTracks」を開発した。PCD患者14人と健常者10人から得た602本の動画を用いて古典的機械学習モデルと畳み込みニューラルネットワークで分類したところ、95〜97％の精度でPCDと正常な試料を区別できた。
大規模言語モデルによる物性予測の限界
原題: Less can be more for predicting properties with large language models
結晶構造から生成エネルギーや弾性率を予測するような、座標と分類情報からなるデータの物性予測に大規模言語モデル（LLM）が使われているが、有効な方法は明らかでない。研究チームは合成データセットとベンチマーク「MatText」を用いて検証し、LLMは座標情報をほぼ捉えられず、分類的なパターンには優れることを示した。この傾向はモデルサイズ（最大700億パラメータ）、データ量（最大2×10^6構造）、テキスト表現によらず見られ、構造の影響が大きい物性予測では幾何学的アーキテクチャがLLMを上回るという。
クライオ電子線トモグラフィーにおける細胞膜セグメンテーション手法「ETSAM」
原題: ETSAM: effectively segmenting cell membranes in cryo-electron tomograms
クライオ電子線トモグラフィーの3次元画像は雑音が多く、細胞膜を識別することが難しい。研究者らは、動画セグメンテーション基盤モデル「SAM2」を2段階で微調整した手法「ETSAM」を開発し、実験データ83件とシミュレーションデータ28件で学習させた。実験データ17件による検証では、既存の深層学習手法より高い感度と精度で細胞膜を検出したとされる。
学習可能なフォトニック回路によるAIハードウェア
原題: Photonic circuits become trainable AI hardware
製造後のフォトニック集積回路を、回路の完全なデジタルモデルを使わずに学習させる手法が示された。物理に基づくその場（in situ）学習法で、光の勾配を直接測定することで、さまざまな回路構造を製造後に学習させられる。このハードウェアは行列の設計、複数波長での計算、高速なメタ学習を実現するとされる。
tangermeme: 深層学習モデルでシス調節ロジックを解析するツールキット
原題: Tangermeme: a toolkit for understanding cis-regulatory logic using deep learning models
ゲノムの深層学習モデルは予測性能を示せるようになったが、生物学的な発見にどう使うかが次の課題である。本論文は、ゲノム深層学習におけるモデル以外の部分を扱う、高度に最適化されたツールキットtangermemeを紹介する。tangermemeを使えば、モデルが学習したシス調節パターンを人が解釈できる知見として取り出せることを示している。
OpenAI、数学の論文700本超を公開 数学者から反発
原題: OpenAI posts 700 maths preprints online: mathematicians are up in arms
OpenAIは未公開のモデルを使い、注目度の高い数学の問題数百件に取り組んだ。同社は10月6日、AIによって生成されたとする数学分野の論文700本以上をGitHubに一斉公開した。長年の問題が解かれたことを歓迎する数学者がいる一方、先を越されたとして不満を訴える声も上がっている。
汎化可能な摂動応答予測
原題: Generalizable perturbation prediction
細胞摂動実験のデータは因果的な制御関係を知る手がかりになるが、利用できる文脈は限られがちである。本研究は、ある文脈で学習して別の文脈の摂動応答を予測する機械学習モデル「State」を開発した。Stateは、単一細胞の摂動効果を予測するTransformerベースの状態遷移モデルと、事前学習された細胞表現モデルからなる。1億を超える細胞の摂動データと1億6700万細胞の観察データで学習させ、モデルを比較する評価枠組み「Cell-Eval」も構築された。
粒子群最適化ヒストグラム平坦化とVGG19ベースU-Netによる脳腫瘍セグメンテーション
原題: Brain tumor segmentation using particle swarm optimized histogram equalization and a VGG19 based U-Net
MRI画像での脳腫瘍の領域分割は時間がかかり、誤りや術者のバイアスの影響を受けやすい。本研究は、改良したU-NetとVGG-19に、粒子群最適化ヒストグラム平坦化（PSO-HE）を組み合わせたSPOHE-VGGNetを提案した。Figshareデータセットでは髄膜腫0.9522、神経膠腫0.9428、下垂体腫瘍0.9518のDice係数を、BraTS 2021では全腫瘍で0.9463を得た。ただし臨床での判断に用いるには、外部・体積・臨床医による検証がさらに必要である。
Earth AIの惑星規模地理空間基盤モデル、世界の公衆衛生への応用
原題: Unlocking Earth AI’s planetary geospatial foundation models for global public health
公衆衛生の意思決定は、報告の遅れやデータの分断、データの少なさによって妨げられることが多い。Google Earth AIの人口動態基盤モデル（PDFM）は、プライバシーに配慮した検索傾向、人の移動、建物の密度、環境要因を場所ごとの埋め込み表現にまとめる。これを既存の疫学モデルに追加の入力として組み込めば、課題ごとの追加学習なしで使える。研究チームはこの手法について、5件のパートナーとの事例研究を発表した。
空間分子データの症例対照解析のための統計手法VIMA
原題: Accurate and well-powered case–control analysis of spatial molecular data
既存の手法は組織領域を離散的な細胞種の割合などで表すため、重要な信号を見落とすおそれがあった。VIMAは変分オートエンコーダのアンサンブルで組織の小領域を数値の特徴量に要約し、症例と対照の差に関連する空間的な特徴を統計的に検出する。シミュレーションで較正・検出力・空間的精度を確認し、3つの疾患の空間データに適用して既知の生物学的知見を再現するとともに、新たな空間的特徴を見いだした。
ProFormer: 深層学習による単一細胞およびプラズマプロテオームの汎用的な分類
原題: ProFormer: generalizable classification of single-cell and plasma proteomes using deep learning
プロテオミクスの従来のワークフローは処理能力が低く、大規模なデータの迅速な試料分類を妨げていた。ProFormerは、質量分析で得られたペプチドイオンのMS1レベルの特徴量を直接入力とするトランスフォーマー型の深層学習モデルである。14の評価対象アーキテクチャより高い分類精度と汎化性能を示し、単一細胞プロテオームを細胞種・細胞周期・分化過程で、血漿プロテオームから患者の疾患状態を分類できたと報告されている。
CellART: 高解像度空間トランスクリプトミクスから単一細胞情報を抽出する統合フレームワーク
原題: CellART: a unified framework for extracting single-cell information from high-resolution spatial transcriptomics
高解像度の空間トランスクリプトミクスでは、既存のプラットフォームはスポットあたりの転写物数が少ないか、測定できる遺伝子数が限られていた。CellARTは染色画像、空間トランスクリプトミクスデータ、単一細胞RNAシーケンスの参照データを用い、深層学習と確率モデルの統合によって細胞の分割と細胞種の注釈を同時に行う。著者らはこの手法が効率的で汎用性が高く頑健であり、出力は広く使われているコミュニティツールと互換性があると報告している。
深層学習による2次元マルチビュー心エコー図を用いた肥大型心筋症と心アミロイドーシスの鑑別パイプライン
原題: A deep learning-driven pipeline for differentiating hypertrophic cardiomyopathy from cardiac amyloidosis using 2D multi-view echocardiography
肥大型心筋症（HCM）と心アミロイドーシス（CA）は心エコー所見が似ており、鑑別が難しいという課題があった。本研究では、2次元心エコー像を5つの臨床的に重要な断面に分類し、断面ごとに特徴量を抽出して統合する多断面深層学習モデルを開発した。HCM 212例、CA 119例、対照200例のデータを用いた5分割交差検証で、精度0.83、感度0.81、特異度0.89、micro-F1スコア0.82を示した。著者らは、このフレームワークがHCMとCAを鑑別する信頼性の高い診断ツールになると述べている。
光を使うAIで、ディープフェイク動画を約98%の精度で検出
原題: This light-powered AI can spot deepfakes with nearly 98% accuracy
AI生成動画が増える中で大量の動画を高速に検出する必要があり、UCLAの研究者は光を用いた光-ニューラルプロセッサを開発した。従来のように動画を一本ずつ処理するのではなく、光の伝搬により15本以上の動画を同時に分析できる。検出精度は約98%とされ、研究はeLightに掲載された。
Claudeに適した問題から進める科学
原題: Claude-shaped science
マシュー・シュワルツ教授は、Claudeと対立するのをやめ、現在のLLMツールが得意とする「Claude型」の問題をClaudeに見つけさせた。その結果、定量科学における正確な計算のためのツールキットBootLoopsを構築した。似た計算は多くの分野に現れるため、Claudeは生態学や集団遺伝学など十数の分野との関連を見つけたが、当初は技術的には正しくても科学的には目新しくないものだった。そこでシュワルツ教授は各分野の専門家と協力し、それらの分野が関心を持つ問いへ向けて調整した。
大規模言語モデルで組合せ最適化の補完的ヒューリスティクスを構築する「LACE」
原題: Large language models discover complementary heuristics for combinatorial optimization
組合せ最適化の問題ごとに有効なヒューリスティクスを設計するには、専門知識と数か月に及ぶ試行錯誤が必要だった。大規模言語モデルに一度に完全なアルゴリズムを生成させると、新しい問題では失敗することが多い。LACEは、アルゴリズム設計を入力・出力のスキーマ、ツールライブラリ、ヒューリスティクスのポートフォリオに分解し、実行時間の制約のもとで補完的な専門ヒューリスティクス群を進化させる。古典的な36のCO-Benchの問題で平均スコア0.945を達成し、既存のLLMベース手法の最高値0.870や、枠組みなしの直接プロンプトの0.571を上回った。
ゲームAIがストラテゴで人間のトップ選手を破る
原題: This game-playing AI is the new champ at Stratego
ストラテゴは相手の駒の正体が隠された二人対戦ゲームで、戦略的思考を試す指標としてよく使われる。研究者らは効率的な学習アルゴリズムと、隠れた情報がある状況での判断に向けた新手法を組み合わせたAIを開発した。このAIは人間のトップランク選手を大差で破り、従来の有力モデルより高い性能を示しながら、学習にかかる費用と計算量が少なかった。
エネルギーフロンティアのニュートリノ検出器向け基盤モデル的手法：自己教師あり事前学習
原題: Towards foundation-style models for energy-frontier heterogeneous neutrino detectors via self-supervised pretraining
加速器によるニュートリノ実験のエネルギーフロンティア領域では、検出器上に密で重なり合った信号が生じ、従来の再構成は実用的でなく、ラベル付きデータが少ない場合は教師あり学習も難しかった。研究では、疎なVision Transformerによる枠組みを用い、マスク付きオートエンコーダによる再構成と関係的なボクセル単位の目的関数で自己教師あり事前学習を行った後、分類と回帰のタスクで共同微調整した。提案されたFASERCAL検出器のシミュレーションイベントで、ニュートリノの種類判定、チャームクォーク識別、運動量回帰、頂点再構成が改善し、約1000個のラベル付きイベントでは、事前学習済みエンコーダがスクラッチ学習モデルのフレーバー分類性能に匹敵した。
電力網に対する宇宙天気リスクを予測する
原題: Forecasting space weather risks on power grids
極端な宇宙天気現象は送電網で電流を誘起し、機器を損傷させるおそれがある。送電網の運用者には、影響がいつどこで最も大きくなるかを十分な猶予をもって把握することが求められる。Microsoft Researchの研究では、太陽風の観測、AEとDstの予測、地域の緯度・地質・地盤の導電率を組み合わせた機械学習パイプラインを開発し、米国本土の66,935の変電所ごとにリスク推定を出す。評価期間中には主要な宇宙天気イベントのほぼ80%を検知し、特定のリスクが現れる30〜60分前に警告できるとしている。
D4RT:高速で統合的な4Dシーン再構成・追跡
原題: D4RT: Unified, Fast 4D Scene Reconstruction & Tracking
AIツール「Tessera」、セネガルの小規模農家の作物マッピングで有効性を確認
原題: AI tool for mapping smallholder crops proves itself in Senegal
セネガルの食料は主に小規模で天水に頼る農地で生産されており、気候変動の影響を受けやすい。しかし、農業への気候の影響を監視する衛星による作物マッピング技術は、同国では利用しにくい状況にある。ケンブリッジ大学が開発したオープンソースのAIモデル「Tessera」は、衛星画像を学習してセネガルの落花生栽培地域の作物をマッピングした。テストでは84%の確率で正しい結果を得て、従来手法より高い精度を示し、計算資源や事前にラベル付けされたデータも一部で済んだ。
Quine：生物学の複雑さに対応するAI研究システムの紹介
原題: Introducing Quine: An AI research system designed for the complexity of biology
生物学は分野ごとに孤立しておらず、そのAIによる表現も複数のスケールやモダリティをまたぐべきだという考えから、Microsoft ResearchはQuineを開発している。Quineは生物学のマルチモーダル世界モデルと、モデル・科学ツール・文献・研究者をつなぐ対話型ハーネスを目指す初期段階の研究である。Broad InstituteやMITの研究者との共同研究では、腫瘍状態の変化を促すと予測された化合物を優先順位づけし、上位候補のいくつかを複数のウェットラボ・アッセイで検証した。研究用の技術であり、臨床や医療目的には用いられない。
新しい製剤によりRNAワクチンが高温に耐えられるようになる
原題: New formulation helps RNA vaccines withstand high temperatures
RNAワクチンは超低温での保管が必要という欠点があり、MITの研究者らはこれを克服する方法に取り組んだ。mRNAワクチンの送達に使われる脂質ナノ粒子の周囲の製剤をAIアルゴリズムの助けで調整し、最適な処方を予測させることで、必要な実験数を減らし開発を速めた。その結果、室温で最長1年、または約100°F(約38°C)で2か月間安定なワクチンが作られ、マウスではモデルナのものに似たRNA型コロナワクチンと同等の強い免疫応答が得られた。
生成AIによる気候モデルの地域ダウンスケーリング「GenFocal」と地域リスク評価
原題: Regional climate risk assessment from climate models using probabilistic machine learning
粗い全球気候モデルと地域の意思決定に必要な細かい情報との間の解像度の差が、気候リスク評価を妨げている。物理ベースの手法は計算コストが高く、従来の統計的手法は複合リスクの推定に重要な多変量の時空間依存性を捉えられない。さらに既存の機械学習は時間的に対応した学習データを必要とするため、自由走行の気候予測には使えなかった。GenFocalは、学習時に対になったシミュレーションと観測のイベントを必要とせず、粗い気候予測から統計的に正確な細かい気象を生成する生成AIの枠組みである。熱波や熱帯低気圧などの長期化する災害を再現し、稀な高影響事象もより正確にサンプリングして、複合的な極端現象の地域リスク推定を改善した。
Claude、リーマン予想に関わる零点の割合の下界を改善
原題: Claude has improved on a longstanding lower bound for the fraction of zeros of the Riemann zeta function that satisfy the Riemann hypothesis
リーマン予想は、リーマンゼータ関数の零点がある垂直線上にすべて並ぶとする未解決の予想である。未公開の研究版Claudeはこの予想に挑んで証明には至らなかったが、関連する問題で前進し、リーマン予想を満たす零点の割合の既知の下界を41.6%から67.2%へ引き上げた。Anthropicの数学者2名が論文を検証して専門家向けの簡潔な注釈を作成し、Claudeは形式的に検証可能な証明も生成した。
Claudeが N=4 超対称ヤン・ミルズ理論で9ループ振幅を計算
原題: Claude computes a nine-loop amplitude in N=4 super-Yang-Mills
理論物理学の難しい計算問題に対し、元理論物理学者でサイエンスライターのMatt von Hippel氏がAI企業に挑戦課題を出した。Claudeは、その課題を約1か月後に解いたとされる。計算対象は、N=4超対称ヤン・ミルズ理論における9ループ振幅である。
テキストから自殺リスクを推定する
原題: Estimating suicide risk from text
危機的な状況で連絡してきた人の言葉には、自殺リスクを見極める重要な手がかりがある。MITのマクガヴァン脳研究所の研究者らが開発した言語処理ツールは、自殺リスクに関連する49の要因に紐づく語句のリストでテキストを検索し、個人のリスクを推定する。危機対応カウンセラーとのテキストのやり取りでは、自殺リスクを正確に予測できたと報告されており、さらなる検証を経て臨床や危機支援の場でのリスク評価に役立つ可能性がある。
MITの超小型飛行ロボット、AI制御で速度が約450%向上
原題: MIT’s tiny flying robot gets 450% faster with AI
昆虫サイズの超小型飛行ロボットは、従来は動きが遅く単純な飛行経路しか取れなかった。MITの研究者はAIベースの制御器を開発し、2段構成の制御システムにより、繰り返しの宙返りを含む機動を可能にした。以前の最良結果と比べて速度は約450%、加速度は約250%向上し、風の乱れがある中でも連続10回の宙返りを11秒で行えたという。
Claudeによる生体分子モデリングの高速化
原題: How Claude is uplifting biomolecular modeling
科学者が生体分子の予測・設計に使うオープンソースモデルは、動作が遅くメモリを多く消費するという課題があった。Claudeは Claude Science 内で30以上のモデルを約4週間で最適化し、平均で約4倍の高速化を実現した。さらに低メモリモードを作成し、1つのNVIDIA GPUノードで10,000トークンを超える系の正確な予測を可能にした。最適化されたコードはオープンソースで公開される。