2026年07月15日 MI Daily News

目次

  1. [企業] FRONTEOと第一三共、毒性試験報告書から自動で毒性解釈を抽出する予測モデルを構築
  2. [ニュース] Google、OpenAI、Anthropicが医薬品開発に参入、AI大手各社が異なる戦略を展開
  3. [ニュース] 世界の創薬AIスタートアップ60社を分析、AI創薬の最前線が見える
  4. [論文] 深層学習とSlater-Koster型タイトバインディングを組み合わせた量子バンド構造計算手法を開発
  5. [論文] 固体合成反応の大規模データセット「Precursor Genome」を構築、データ駆動の合成科学を実現
  6. [論文] 機械学習モデルの特徴と訓練データを検証する監査プロトコルを開発、スピンホール伝導率に応用
  7. [論文] 量子化学を組み込んだスコアリング関数「Q-Score」で分子ドッキング精度を向上
  8. [論文] NMRスペクトルから分子構造を逆算するAI「IMPRESSION」を開発、構造解析を自動化
  9. [論文] マクロサイクル肽の構造予測・設計に特化した基盤モデル「Vilya-1」を開発
  10. [論文] ベイズ最適化の統一フレームワーク「Bgolearn」で材料探索を加速

[企業] FRONTEOと第一三共、毒性試験報告書から自動で毒性解釈を抽出する予測モデルを構築

  • FRONTEOと第一三共が共同で、毒性試験報告書から毒性学的解釈を自動抽出する予測モデルを構築しました。
  • 従来は手作業で行われていた毒性評価の解釈プロセスを機械学習により自動化することで、創薬開発の効率化を実現します。

出典: ニコニコニュース

[ニュース] Google、OpenAI、Anthropicが医薬品開発に参入、AI大手各社が異なる戦略を展開

  • Google、OpenAI、AnthropicなどのAI大手企業が医薬品開発領域へ続々と参入しています。
  • 各社が異なるアプローチで創薬AIソリューションを進める中、最大の勝者は製薬企業やベンチャーなどの非テック企業である可能性が指摘されています。

出典: BigGo ファイナンス

[ニュース] 世界の創薬AIスタートアップ60社を分析、AI創薬の最前線が見える

  • パンゲアが世界の創薬AIスタートアップ60社を分析し、AI for Scienceの最前線の状況をまとめました。
  • AI・機械学習を活用した創薬の多様な取り組みの実態が可視化されます。

出典: ニコニコニュース

[論文] 深層学習とSlater-Koster型タイトバインディングを組み合わせた量子バンド構造計算手法を開発

  • SlaKoNet-VQDは、深層学習を用いてSlater-Koster型タイトバインディングハミルトニアンを直接構築し、DFTやWannier化の必要性を排除する手法です。
  • 変分量子アルゴリズム（VQE・VQD）による近期量子デバイスでの電子構造計算を、より実用的に実現します。

用語解説

  • Slater-Koster型タイトバインディング: 固体の電子構造を記述する半経験的手法で、原子軌道間の相互作用を行列要素で表現するモデル
  • VQE・VQD: VQEは変分量子固有値ソルバー、VQDは変分量子固有値分解で、近期量子コンピュータで有効なアルゴリズム

出典: arXiv cond-mat.mtrl-sci

[論文] 固体合成反応の大規模データセット「Precursor Genome」を構築、データ駆動の合成科学を実現

  • 無機材料の固体反応における1,035件の実験プロトコルと結果を機械可読形式で集約したデータセット「Precursor Genome」が発表されました。
  • これまで合成科学は大規模で統一的なデータセットを欠いていましたが、本データセットが第一原理計算・データ駆動・機械学習アプローチを初めて系統的に可能にします。

出典: arXiv cond-mat.mtrl-sci

[論文] 機械学習モデルの特徴と訓練データを検証する監査プロトコルを開発、スピンホール伝導率に応用

  • 材料物性の機械学習モデルが物理的に正しい特徴を学習しているか、また訓練データラベルが正確かを検証する手法を開発しました。
  • SHAPやFirst-Principles検証を組み合わせることで、モデルの信頼性を系統的に監査し、スピンホール伝導率予測に適用されます。

用語解説

  • SHAP: 機械学習モデルの予測に対する各特徴の貢献度を定量化する説明性技術

出典: arXiv cond-mat.mtrl-sci

[論文] 量子化学を組み込んだスコアリング関数「Q-Score」で分子ドッキング精度を向上

  • 古典的スコアリング関数では考慮されない軌道電子移動などの量子機械的効果をGNNで予測し、分子ドッキングに組み込む新しいスコアリング関数「Q-Score」を開発しました。
  • 創薬開発の重要な段階である分子ドッキング予測の精度を、量子化学知見を機械学習で活かして向上させます。

用語解説

  • GNN: グラフニューラルネットワーク。分子構造をグラフで表現し、原子間の相互作用を学習するニューラルネットワーク

出典: arXiv physics.chem-ph

[論文] NMRスペクトルから分子構造を逆算するAI「IMPRESSION」を開発、構造解析を自動化

  • Inverse-IMPRESSIONプラットフォームは、実験的なNMRスペクトロスコピーデータから分子の結合構造を直接再構成するグラフ変換子ネットワークです。
  • 従来は化学者の専門知識に依存していた分子構造の同定プロセスを機械学習で自動化し、化学研究の効率を大幅に向上させます。

用語解説

  • グラフ変換子ネットワーク: 分子をグラフで表現し、Transformer機構を用いて原子間の接続関係を学習するニューラルネットワーク

出典: arXiv physics.chem-ph

[論文] マクロサイクル肽の構造予測・設計に特化した基盤モデル「Vilya-1」を開発

  • 深層学習モデルVilya-1は、治療分子として注目されるマクロサイクリック肽の全原子構造を予測・設計する初の基盤モデルです。
  • 合成可能な化学空間全体にわたって構造や物性を正確に予測し、医薬品開発の新しい選択肢を提供します。

用語解説

  • マクロサイクリック肽: 環状構造を持つペプチドで、線形肽より安定性や膜透過性に優れ、次世代治療薬として期待される

出典: arXiv q-bio.BM

[論文] ベイズ最適化の統一フレームワーク「Bgolearn」で材料探索を加速

  • Bgolearnは、機械学習と実験を組み合わせたベイズ最適化の統一フレームワークで、材料発見プロセスを系統的に加速させます。
  • 従来バラバラに行われていた最適化手法を統合し、実験時間と計算コストを削減しながら高性能材料の発見を効率化します。

用語解説

  • ベイズ最適化: 確率的サロゲートモデルを用いて、限られた試行回数で目的関数の最適値を効率的に探索する手法

出典: npj Computational Materials

ニュースレターをより良くするためのアイデア・ご要望などあればXのDMでお気軽にお寄せください。
また、コンテンツの質の向上と持続可能な運営のため寄付・スポンサーも募集しています。寄付はこちらの記事にバッジを送っていただけると励みになります。スポンサーをご検討いただける場合は、XのDMでご連絡ください。