タイムライン検索

2026年5月16日

Co-Scientistはボストン小児病院とMITの研究室を統合し、ALSに対するRNA基盤の新しい治療法を探索しています。

Google DeepMind

2026年5月29日

大規模言語モデル（LLM）は計算社会分析のプロキシとしてますます利用されていますが、人間のコミュニティの「厚い記述」を忠実に表現する能力は依然として重大な課題です。現在の評価では、社会的アイデンティティを静的なラベルに縮小することが多いです。

arXiv cs.CL

2026年5月30日

遺伝子発現データの自動学習モデルが開発される RNA配列決定データから遺伝子発現パターンを効率的に学習する新しい自己教師あり学習モデル「TxFM」がarXivで報告された。 このモデルはマスク付きオートエンコーディング手法を採用しており、RNA分析に付きものの技術的ノイズや異なる実験条件によるバッチ効果に対応できるのが特徴である。従来の生物学的データ分析では、こうした外部要因の影響を除去するために手作業による前処理が必要だったが、TxFMはモデル内で自動的に対応する。 開発チームは転移学習の性能向上を実証するため、約140万件のRNA配列データを集めた公開学習用データセット「DiverseRNA-1.4M」を整備した。このデータセットを用いた実験では、従来手法と比べて学習効率が向上したという。 今後、このアプローチは遺伝子発現解析の標準的な手法として活用される可能性がある。 (arXiv cs.LG)

arXiv cs.LG

2026年6月1日

arXiv:2605.30556v1 発表タイプ：新規 要旨：ランダムで未訓練のニューラルネットワークは、初期視覚皮質への表現類似性において、訓練されたネットワークと一貫して同等以上の性能を示す。この驚くべき知見は、学習が脳アラインメントを改善するという仮定に異議を唱えている。我々は表現類似性分析（RSA）アラインメントを追跡することで調査する。

arXiv cs.LG

2026年6月1日

arXiv:2605.30400v1 ChatGPTが疾患中心のバイオメディカル関連性を生成する能力を評価するためのプロトコルを提示する。バイオメディカルオントロジーを使用して関連性を生成し、生物学的エンティティを検証し、文献を使用して関連性を検証する方法を概説する。プロトコルには自己一貫性戦略が含まれる。

arXiv cs.CL

2026年6月2日

タンパク質言語システムはしばしば、もっともらしい生物学的テキストを生成するかどうかで評価されていますが、構造的な質問はより鋭い意味論を持ちます：3次元座標系における測定を表示します。タンパク質構造質問応答のための実行可能なベンチマークProtStructQAを導入しました。

arXiv cs.CL

2026年6月3日

生命科学研究向けのAIモデル「GPT-Rosalind」の機能強化が発表されました。このモデルは、生物学的推論や医薬化学、ゲノミクス分析など、生命科学分野の複雑な課題に対応するよう設計されています。 新たに強化された機能では、実験ワークフローの支援も加わり、研究者が日々行う分析作業をより効率的に進められるようになります。遺伝子解析から医療応用まで、幅広い場面での活用が期待されています。 このAIの導入により、研究開発の期間短縮やヒューマンエラーの軽減が見込まれ、生命科学分野の研究速度向上に貢献する可能性があります。大学や製薬企業など、様々な研究機関での利用が想定されています。 OpenAIは、今後も科学研究分野でのAI技術の応用拡大を目指していくとしています。 (引用元：OpenAI)

OpenAI

2026年6月4日

遺伝子発現データの解析を効率化する新しいベンチマークツールが開発されました。大規模な生物学的データを処理する際、深層学習モデルの性能は初期設定値であるハイパーパラメータに大きく左右されますが、最適な値を見つけるには膨大な計算時間が必要でした。 研究チームが公開した「BBOmix」は、実際の高スループットシーケンシングデータを用いた初のベンチマークデータセットです。異なる4種類のオートエンコーダアーキテクチャと7種類のマルチオミクスモダリティにおける105,000の評価結果を収録しており、研究者は膨大な計算なしに最適なパラメータ値を参照できるようになります。 このツールにより、遺伝子発現データから有用な特徴を抽出する処理が加速され、医療研究や創薬開発への応用が期待されます。 （arXiv cs.LG）

2026年6月4日

# AI技術を活用した生物防御戦略が注目集める 生物学的脅威への対応において、AI技術の活用が急速に進む中、国家レベルでのレジリエンス強化が重要課題として浮上している。 専門家によると、AI駆動型システムは病原体の検出、感染パターンの予測、ワクチン開発の加速などの領域で有望な成果を示しているという。従来の手法では対応に時間がかかることが課題だった生物防御において、機械学習アルゴリズムの活用により迅速な対応が可能になる見込みだ。 一方、こうした技術の導入には実装面での課題も存在する。既存の監視体制へのシステム統合、データセキュリティの確保、専門人材の育成が急務とされている。 今後、各国は生物学的脅威への耐性向上に向けて、AI技術の戦略的な活用と制度面の整備を並行して進める必要があるとの指摘が出ている。このテーマは国際的な安全保障と公衆衛生の両面から、今後ますます注目が集まると考えられる。 （引用元：OpenAI）

OpenAI

2026年6月6日

長寿の研究者は長年、個人の健康状態と寿命を予測するために使用できるバイオマーカーを探し求めてきた。DNAのメチル化に基づくエピジェネティック時計は、この目標を前進させてきたものの、その根底にある生物学的過程については限られた知見しか得られていない。

Nature 日本語

2026年6月10日

マルチモーダル学習における二つの主要な手法、クロスモーダルアラインメント（CA）とクロスモーダル予測（CP）の特性が、統一的な線形フレームワークを用いて分析されました。この研究は、それぞれの学習パラダイムが成功または失敗する条件を明確にしています。 分析の結果、CAは各モダリティのデータを白色化する特徴を持ちますが、ノイズが強く相関している条件下では失敗しやすいことが判明しました。一方、CPはクロス予測可能な情報を符号化することに長けていますが、その回復性能はソースモダリティの品質に大きく依存することが示されました。 この研究は、マルチモーダル学習が単一モダリティ学習と比較して性能が劣る原因を診断するための重要な知見を提供します。特に、複数の異なるデータ形式を扱う科学分野の研究者や実務家にとって、どの手法をどのような状況で適用すべきかについて具体的な指針を与えるものとして注目されます。これにより、マルチモーダルデータからの効果的な学習設計が可能になると期待されます。 引用元: arXiv cs.LG

arXiv cs.LG

2026年6月10日

遺伝的プログラミング（GP）は、学習タスクはプログラム誘導問題として捉え、構文木で表現される階層的シンボルモデルを構築することを目的とする。また、このタスクを探索問題として捉え、進化によって目的のモデルを見つける。GPは様々なタスクで成果を上げてきた。本研究では、GPの2番目の洞察を修正し、構文的導出タスクとして問題を捉える代替案を提示する。特に、ミニマリスト遺伝的プログラミング（MGP）アルゴリズムは、GPと同様に生物学的着想を得ているが、進化の代わりに、構文が2つの他の精神システムの関連付け問題に対する最適な解決策として理解されるミニマリスト・プログラムから着想を得ている。ミニマリズムでは、コア計算プロセスはMERGEと呼ばれる二項集合形成演算子であり、単純なマルコフ的プロセスを用いて複雑な構文構造を段階的に構築できる。MGPはシンボル表現のコア構成要素を発見し、MERGEを用いて段階的に結合することができる。提案システムは、標準GPシステムではブロート（冗長化）の傾向により解決が困難とされるシンボル回帰タスクでベンチマークされている。

arXiv cs.AI

2026年6月11日

arXiv:2606.11201v1 新規発表 概要：LLMの広範な展開により、新たにトレーニングされたモデルがユーザーの指示に安全かつ効果的に応答するように、モデルアラインメントが必要となっています。様々な手法の中でも、推論時アラインメントは、出力生成中のみ介入（つまり、ガイダンスを提供する）するため、より安価であることが多いです。既存の提案では、信頼性を適切に評価せずに、特定の調整済みモデルから抽出されたガイダンスを適用しています。しかし、私たちの体系的な評価では、ガイダンスの効果はモデルによって劇的に異なることが明らかになりました。効果のないガイダンスは、さらなる混乱、ひいてはさらなる介入につながるため、結果として生じる過剰な介入は、通常、パフォーマンスの低下を示します。介入をより効果的かつ効率的にするため、私たちはBlendInを導入します。これは、二項決定から、両モデルの知識を統合したハイブリッド分布の作成へと移行する推論時アラインメントフレームワークです。

arXiv cs.LG

2026年6月16日

マルチモーダル臨床データからの正確なイベント発生までの時間（TTE）予測は、モダリティの不均衡と分布シフトにより依然として課題となっています。本研究では、CT画像と縦断的EHRデータ間のクロスモーダル表現アラインメントのための、タスクや施設を超えて汎用化できるように設計された、ファウンデーションモデル主導のフレームワークを提案します。CTとEHRのモダリティは、ドメイン固有のファウンデーションモデルを用いて個別にエンコードされ、4つの原則的な融合戦略（late fusion, contrastive alignment, cross-attention, co-attention）を通じて共有潜在空間でアラインメントされます。肺塞栓症（PE）の死亡率と心血管疾患（CVD）の転帰という、臨床的に異なる2つのTTEタスクを、大規模な複数施設コホート（PE: N=3,099学習; 1,098内部; 435外部; CVD: N=2,951学習; 837内部; 682外部）で評価しました。

arXiv cs.AI

2026年6月16日

マルチソース転送学習は、根本的なスケーラビリティのボトルネックに直面しています。既存のアプローチでは、パラメータ融合中にすべてのK個のソースモデルを同時にメモリにロードする必要があり、O(K)のメモリを必要とするか、推論時にすべてのモデルをデプロイする必要があり、本番環境へのデプロイを不可能にしています。我々は、GRASP（Gradient-Aligned Sequential Parameter Transfer）を提案します。これは、3つの主要なイノベーションにより、O(1)のメモリ消費を維持しながら、優れた知識統合を実現します。(1)ソースを一度に1つずつ進化するターゲットモデルにマージする逐次処理。(2)最適化方向がターゲットドメインと一致するパラメータのみを選択的に転送し、ネガティブ転送を回避するパラメータごとの勾配アラインメント。(3)次のソースを統合する前に、転送された知識を適応させる反復ファインチューニング。

arXiv cs.LG

2026年6月16日

記憶形成は知能の根幹をなすが、ディープニューラルネットワークが生物学的記憶単位に類似した識別可能な記憶痕跡を保持するかどうかは未解決の問題である。本研究では、特異性、再活性化、十分性、必要性という神経科学的基準を制約付き逆問題として形式化することにより、そのような「AIエングラム」を識別するための幾何学的フレームワークを導入する。グローバルに絡み合ったパラメータから個々の記憶痕跡を分離する閉形式推定器を導出し、この生物学的に導出された解がパラメータ多様体上の自然勾配更新に対応することを示す。AIエングラムは、学習済み知識の外科的操作を可能にする。反復最適化なしに、線形算術演算によって任意のサブセットの記憶を合成または消去できる。単純なMLPからLLMに至るまでの実験は、AIエングラムの因果的妥当性と実質的なスケーラビリティを実証する。これらの結果は、生物学的記憶の理論と人工表現学習の間の橋渡しをし、ディープネットワークが分散ストレージ内で機能的特異性を同時にどのようにサポートするかについての幾何学的洞察を提供する。

arXiv cs.AI

2026年6月18日

今回、さまざまなタイプのバイオマスを原料化学物質であるアジピン酸に変換して高付加価値化するための化学的・生物学的複合プラットフォームが提示されている。

Nature 日本語

2026年6月19日

網膜は、認知機能低下リスクに関連する微細な構造パターンを捉え、神経変性疾患への非侵襲的な窓を提供します。REVEALのような視覚言語アラインメントフレームワークは、網膜眼底画像と構造化された臨床リスク記述をペアにすることで、アルツハイマー病（AD）の早期予測を改善することが示されています。これらのアプローチにおける重要な設計上の選択は、表現型グルーピングの使用であり、リスクプロファイルが類似した個人が、対照学習中にマルチポジティブペアとして扱われます。しかし、既存の方法では、表現型の類似性を離散的な構成概念として具体化し、硬いグループ割り当てに依存しており、これは厳格な監視を課し、グループ形成を表現学習から切り離します。本研究では、対照学習における表現型構造の連続的な定式化を提案します。サンプルを固定クラスターに割り当てるのではなく、網膜画像とリスクプロファイルの両方におけるモダリティ内埋め込み類似性から導出される微分可能な重み付け関数として、被験者間の類似性をモデル化します。

arXiv cs.AI

2026年6月23日

強化学習（RL）における報酬構成の時間的構造は、通常、手動で設計され、トレーニング全体で固定されているため、モチベーションの優先順位の進行はほとんど探求されていません。本研究では、3つの明確に生物学的に着想を得たモチベーション要素（エージェンシー、新規性、反応性）を、トレーニングの過程で動的に変化する時間変化重みで組み合わせる、発達的報酬スケジュールの発見のための進化フレームワークを提案します。2つのスパース報酬MiniGridタスク（DoorKey-6x6およびKeyCorridorS3R1）で評価し、提案フレームワークは4つの進化アルゴリズム（CMA-ES、xNES、DE、L-SHADE）の汎化能力を、外発的モチベーションベースライン（主な比較対象）および3つの追加の手動設計手法と比較します。DoorKey-6x6では、すべての進化手法が非進化ベースラインを上回り、L-SHADEが最良のパフォーマンスを達成し、外発的のみのベースラインに対して約11.4%の相対平均改善が見られました。

arXiv cs.LG

2026年6月23日

ワールドモデルを用いた計画は、予測誤差の累積と最適化可能な目標の定義の困難さによってボトルネックとなっています。視覚的ターゲットは正確な局所勾配を提供しますが、遠方への誘導は貧弱です。一方、言語は柔軟ですが、ノイズの多いクロスモーダルアラインメントによる制約や、モデルベース計画のサンプリング負荷の高い性質に適さない大規模生成モデルへの依存といった限界があります。これらの課題に対処するため、我々はLAGO（Latent Goal Prediction from Language）というフレームワークを提案します。これは、言語指示とアクション条件付きロールアウトの両方から中間目標状態のシーケンスを、すべて同じ潜在空間内で予測します。単一のグローバル目標への最適化ではなく、LAGOは指示を明示的に予測され、局所的に処理可能な潜在的サブゴールへと動的に分解します。これらのサブゴールをオンラインで更新し、計画中にソフトミニマム軌道コストを使用することにより、LAGOはエージェントが長期間にわたって一貫した潜在的軌道をたどることを可能にします。

arXiv cs.AI

2026年6月24日

AIシステムがますます多様で重大な状況に展開されるにつれて、モデルのアラインメントはトレーニング中に seen されたタスクやドメインを超えて一般化する必要があります。これは、報酬ハッキング、詐欺、またはその他の意図しない戦略を通じて予期しないアラインメントのずれを導入する可能性がある強化学習（RL）にとって特に重要です。現実的なドメインで具体化された有益な行動に対するRLが、トレーニング分布を超えて広範囲かつ永続的なアラインメントの一般化を生み出すことができるかどうかを研究します。真実性、公平性、リスク認識、修正可能性などの有益な特性を測定およびトレーニングするために設計された現実的な状況のデータセットを構築し、健康、科学、教育を含むさまざまなドメインにまたがります。次に、このデータセットでRLを使用してモデルをトレーニングし、アラインメントと有益な行動に関する50を超える独立したベンチマークで評価します。計算量が同等のベースラインと比較して、有益な特性RLは、これらの分布外ベンチマークの80％以上でパフォーマンスを向上させます。

arXiv cs.AI

2026年6月26日

データ統合の鍵となるエンティティマッチング（EM）の精度向上に向けた新たな研究成果が発表されました。EMは、異なるデータソースに存在する同一のエンティティ（人名、組織名など）を正確に特定する技術ですが、特にリソースが限られた状況下での精度向上が課題となっています。 本研究では、低リソースかつ特定のドメインに特化したEM手法である「BEACON」に注目。データ量が少ない場合や、一部の正解データのみを利用できる教師あり学習の状況において、BEACONの性能がどのように変化するのかを詳細に分析しました。これにより、分布アラインメントという技術が、限られたデータ条件下でのEM精度向上に果たす役割が明らかになりました。この研究は、データ統合の効率化と精度向上に貢献することが期待されます。 arXiv cs.AI

arXiv cs.AI

2026年6月26日

全ゲノムシーケンス（WGS）ベースの薬剤耐性（AMR）予測は高い精度に達していますが、既存のモデルには、ニューラルアトリビューションを確立された生物学的経路に結びつけるメカニズムが欠けています。本稿では、WHOの変異知識グラフ（KG）をニューラルゲノムモデルにおける構造化された生物学的制約として統合する、新しいニューロシンボリックフレームワークであるKG-TRACEを紹介します。統計パターンを個別に学習する既存の方法とは異なり、KG-TRACEは、学習された認識的信頼ゲートを通じてゲノム特徴とRotatEベースのKG埋め込みを融合し、ニューラル証拠とシンボリック生物学的知識の重みを動的に調整します。CRyPTIC M. tuberculosisコホートで評価されたKG-TRACEは、イソニアジドに対して0.9760のAUROCを達成し、競争力のある精度を実現しましたが、その主な価値は予測性能の向上ではなく、シンボリックな根拠付けにあります。

arXiv cs.LG

2026年6月26日

多くの物理的、化学的、生物学的システムの時空間的進化は、非線形偏微分方程式（PDE）によって記述されます。近年、計算コストの高い従来の数値解法に代わる効率的な手法として、深層ニューラルネットワークベースの代理モデルが注目を集めています。本研究では、注意機構を組み込んだ物理学誘導型畳み込みニューラルネットワークを代理モデルとして提案し、このようなシステムの微細構造進化を学習させます。我々は、カーン・ヒリアード方程式によって支配される二成分混合物の相分離の完全な時間進化を正確に予測するようにモデルを訓練します。訓練された代理モデルからの予測は、クリティカルおよびオフクリティカル混合物の両方に対して長期的なロールアウトでも安定かつ正確であり、進化全体を通して混合物組成を維持することを示します。また、ドメインサイズの成長を正確に捉え、リフシッツ・スリジョフのドメイン成長則と一致することも示します。予測結果は、保存則を持つ系のモデリングにおける提案フレームワークの有効性を示しており、他の複雑な動的システムにも拡張可能です。

arXiv cs.LG

2026年7月9日

音声テキストアラインメントとは、音声中の各単語の時間的境界を見つけることを指します。一部のモデルはこのようなアラインメントを直接提供しますが、そうでないモデルもあります。CTC（Connectionist Temporal Classification）やトランデューサーモデルは、構築上アラインメントを持ちますが、AED（Attention-based Encoder-Decoder）や音声LLM（Large Language Model）はそうではなく、単語のタイミングは通常、アテンションの重みから読み取られます。これらの信号はすべてエンコーダーフレームグリッド上に存在し、その時間的精度を制限します。本研究では、あらゆる微分可能なASRモデルに適用できる、汎用的な勾配ベースのアラインメントを検討します。各教師強制トークンの対数確率の勾配を、入力に対して計算し、フレームごとの顕著性（saliency）に削減し、結果の行列を単一の動的計画法パスで単語境界にデコードします。

arXiv cs.CL

2026年7月9日

OpenAIは、同社が開発する次世代大規模言語モデル「GPT-5.5」に関するバグ報奨金プログラムを開始した。このプログラムは、GPT-5.5が生成する可能性のある生物学的な誤りや、それがもたらす潜在的な有害影響を特定することを目的としている。 具体的には、GPT-5.5が生成するテキストの中に、生物学的に不正確な情報や、健康・安全上のリスクにつながる可能性のある内容が含まれていないかを発見した研究者や専門家に対し、OpenAIが報奨金を支払う。この取り組みは、AI技術の安全性を高め、社会への悪影響を未然に防ぐための重要な一歩として注目されている。 OpenAIは、AIモデルの性能向上だけでなく、その倫理的かつ安全な利用を最優先事項としており、今回の報奨金プログラムはその方針を具体化するものである。 (OpenAI)

OpenAI

2026年7月16日

ゲノム基盤モデル「Evo 2」を応用し、メタゲノムデータから生物学的脅威を迅速に特定する新たな手法が開発された。この研究では、Evo 2の能力を最大限に引き出すため、モデル自体のファインチューニングを行わず、その活性化を基にした「プローブ」を訓練した。 このプローブを用いた分析の結果、薬剤耐性（AMR）を持つ細菌を高い精度で検出できることが明らかになった。さらに、細菌が持つ毒性についても、その情報を読み解くことが可能であることが示された。この技術は、感染症対策や環境モニタリングにおける生物学的安全性スクリーニングの効率化に貢献すると期待される。 引用元: arXiv cs.LG

arXiv cs.LG

2026年7月16日

Google DeepMindとIsomorphic Labsは、生命科学分野におけるAI（人工知能）の活用を加速させるための共同アプローチを発表しました。この連携は、バイオリジリエンス（生物学的回復力）の概念とAIモデルを組み合わせることで、創薬や医療開発における革新を目指すものです。 両社は、AI技術を駆使して生物学的システムをより深く理解し、難病に対する新たな治療法や個別化医療の開発を促進することを目指しています。この共同研究を通じて、これまで解決が困難であった生命科学の課題に対し、AIが新たな解決策をもたらすことが期待されています。具体的には、薬剤候補の発見や臨床試験の効率化など、創薬プロセス全体におけるAIの応用が視野に入っています。 この取り組みは、生命科学分野におけるAIの可能性をさらに広げ、より効果的で迅速な医療開発へと繋がる重要な一歩となるでしょう。 Google DeepMind

Google DeepMind

2026年7月28日

OpenAIのハギングフェイス侵害により、AIアラインメントと制御に関する議論が再燃した。この一件は、能力が向上し続けるAIを、より高度にアラインメントさせるべきか、より厳密に制御すべきか、あるいはその両方かという、相反する見解を浮き彫りにした。

TechCrunch AI

2026年7月28日

マウイ島での大規模山火事から3年、多くの人々が依然として「生物学的、感情的、社会的な影響」に苦しんでいると研究が指摘している。気候危機によって悪化した北米とヨーロッパ全域での激しい山火事の発生は、家屋や森林を焼き尽くし、数千人を避難させている。過去の火災は、これらの燃焼の影響が今後数年間続く可能性を示唆している。

The Guardian World