AIは新たな科学革命を先導している

この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式サイトにアクセスして許可を申請してください。

1950年代にDNAが発見されて以来、生物学者は遺伝子配列の長さを、現在有名なmRNAワクチンの原動力となる特定の抗体を生み出すmRNA転写プロセスなど、さまざまな細胞成分やタンパク質合成プロセスに結び付けようと試みてきました。

DNAの発見以来、ゲノムの配列解析と理解は進歩してきましたが、重要なつながりがまだ欠けています。生物学者には、DNA または RNA ソース配列のみを使用して、未知のタンパク質の 3 次元形状を正確かつ効率的に予測する方法がありません。生物学では、構造が機能を決定します。細胞内でのタンパク質の役割はその形状によって異なります。中空の円筒構造は優れた膜受容体となり、U字型の酵素はフィヨルドのような空洞内で化学反応を触媒します。タンパク質の構造を予測し、さらには設計することができれば、人間の病気に対する理解が飛躍的に進み、さまざまな病気に対する新たな治療法が生まれる可能性があります。

しかし、70年以上もの間、科学者たちはコンピューターを圧倒する遅い方法を使用し、タンパク質の構造を解明するために主に独自の推測に頼ってきました。生物学者は、各タンパク質を構成する各アミノ酸の DNA コードの長さを知っていましたが、いわゆる「タンパク質折り畳み問題」を解くための、再現可能で一般化可能な公式を持っていませんでした。アミノ酸の鎖が結合すると、どのようにして三次元形状に折り畳まれるかを体系的に理解し、タンパク質の広大な宇宙を解き明かす必要があります。

出典: ディープマインド

2020年、Googleの人工知能チームDeepMindは、自社のアルゴリズムAlphaFoldがタンパク質の折り畳み問題を解決したと発表した。

当初、ほとんどの人はこの驚くべき進歩に興奮し、科学者たちが新しいツールをテストする準備が整ったことにも関心が集まりました。これは数年前に AlphaGo を立ち上げ、中国の戦略ゲームである囲碁の世界チャンピオンに勝利した会社と同じ会社ではないでしょうか?チェスよりも複雑なゲームをマスターするのは難しいですが、タンパク質の折り畳みの問題に比べれば些細なことのように思えます。

しかし、アルファフォールドは、生物学者のチームが遺伝子配列のみに基づいてタンパク質の構造を推測する毎年恒例のコンテストを通じて、その科学的気概を証明してきた。このアルゴリズムは人間の競争相手をはるかに上回り、最終的な形状を原子1個分の幅である1オングストローム以内で予測するスコアを記録した。その後すぐに、AlphaFold は初の実世界テストに合格し、ワクチンの明らかな標的となるウイルスの膜受容体である SARS-CoV-2「スパイク」タンパク質の形状を正確に予測しました。

出典: ネイチャー

AlphaFold の成功はすぐに無視できないものとなり、科学者たちは研究室でそのアルゴリズムを試し始めました。 2021年、サイエンス誌はAlphaFoldのオープンソース版を「今年の方法」に選出した。 「タンパク質の折り畳みに関するこの画期的な進歩は、科学の業績と将来の研究における史上最大の進歩の一つだ」と、生化学者でサイエンス誌編集長のH・ホールデン・ソープ氏は論説で述べた。

現在、AlphaFold の予測は非常に正確であり、70 年以上の検討を経て、タンパク質の折り畳み問題は解決されたと考えられています。タンパク質の折り畳み問題は、これまでの科学における AI の最も注目すべき成果かもしれませんが、AI は科学の多くの分野で静かに発見を続けています。

AI は発見プロセスを加速し、科学者に新しい調査ツールを提供することで、科学のやり方も変えています。

この技術は顕微鏡やゲノムシーケンサーなどの研究の主力機器をアップグレードし、機器に新たな技術的機能を追加して、機器をより強力にします。 AI を活用した医薬品設計と重力波検出器は、科学者に自然界を調査し制御するための新たなツールを提供しています。

研究室の外では、AI は高度なシミュレーションおよび推論システムを展開して現実世界のモデルを開発し、それを使用して仮説をテストすることもできます。 AI は科学的手法に広範な影響を及ぼし、画期的な発見、新しいテクノロジーと強化されたツール、科学的プロセスの速度と精度を向上させる自動化された方法を通じて、科学革命を引き起こしています。

出典: AI 支援による超解像度宇宙論シミュレーション

タンパク質折り畳み問題に加えて、AI は宇宙論や化学から半導体設計や材料科学まで、多くの分野での発見においてその科学的価値を実証してきました。

たとえば、DeepMind チームは、分子の電子密度を計算するための代替アルゴリズムを考案し、科学者が 60 年間頼りにしてきた近道の方法よりも優れたアルゴリズムを実現しました。特定の分子の電子密度を知ることは、物質の物理的および化学的特性を理解する上で非常に役立ちます。しかし、電子は量子力学によって支配されているため、特定の電子の密度を計算するには複雑な方程式が必要となり、すぐに計算上の悪夢となってしまいます。代わりに、科学者たちは物質の電子の平均密度をガイドとして使用し、難しい量子計算を回避しました。しかし、DeepMind のアルゴリズムは問題の量子的な側面に直接取り組み、近道の方法よりも正確であることが証明されました。

タンパク質の折り畳み問題と同様に、AI は科学者が何十年も使用してきた手法を超え、物理的および化学的特性を正確に予測する新しい方法を生み出すことができます。

AI が科学に与える影響は、テクノロジーの新たな発見だけにとどまらず、4 つの重要な点にまで及びます。

まず、AI は科学文献を素早く読み取って科学の基本的なルール、事実、方程式を理解し、あらゆる分野に溢れる大量の論文やデータを科学者が管理できるように支援します。 2020年だけでも、COVID-19に関する科学雑誌論文が10万～18万件出版されました。

研究者が現在進行中の世界的パンデミックのような緊急の問題に焦点を当てるのは当然ですが、COVID-19に関する論文は、最大規模の生物医学データベースの全論文の約4～6％を占めるにすぎません。生み出される論文やデータの量は、一人の科学者が読む能力をはるかに超えており、研究者がそれぞれの分野におけるイノベーションのペースに本当に追いつくことは不可能になっています。

ここで AI が登場します。

たとえば、医薬品化学の分野では、Insilico 社は、特発性肺線維症 (IPF) と呼ばれる疾患の治療のために AI によって完全に設計された医薬品の第 I 相臨床試験に入っています。 Insilico のアルゴリズムは、医学文献を読んで、正確な標的となる可能性のあるタンパク質、細胞、または病原体を見つけることで、疾患の標的を選択します。ターゲットが選択されると、アルゴリズムは病気を治療するための治療法を設計できます。 Insilico は、科学者が情報に圧倒されずに済むよう、分野の最新の結果とデータを自動的に把握する、創薬のためのエンドツーエンドの AI プラットフォームを開発しました。

出典: アルゴンヌ国立研究所のリーダーシップコンピューティング施設、可視化およびデータ分析グループ提供の画像

第二に、機器がより洗練され、自然の謎の探究が深まるにつれて、科学者は膨大な量のデータに直面する必要が出てきます。この点でも AI を活用できます。

アルゴンヌ国立研究所（ANL）の科学者チームは、アルバート・アインシュタインが予言しながらも2015年まで検出されていなかった時空連続体の構造のさざ波である重力波を解明できるアルゴリズムを開発した。このアルゴリズムはわずか 7 分で 1 か月分のデータを処理し、重力波検出のための迅速でスケーラブルかつ繰り返し可能な方法を提供しました。このアルゴリズムは標準のグラフィックス処理装置 (GPU) でも実行できるため、研究者が重力波データを収集して解釈するために特殊な機器を使用する必要がなくなります。

「適切なツールを使用すれば、AI 手法を科学者のワークフローに自然に統合し、人間の知能を置き換えるのではなく、強化することで科学者の仕事をより良く、より速く行うことができることを示しているため、このプロジェクトに非常に興奮しています」と、ANL のデータ サイエンスおよび学習 (DSL) 部門のディレクターであるイアン フォスター氏は語りました。AI により、かつては膨大なデータの山だったものが、今では科学のペースを加速させる制御された情報ストリームになっています。

3つ目に、AIは、研究所の長年の主力機器である顕微鏡やDNAシーケンサーの一部を静かにアップグレードしてきました。

ANL の研究者たちは、電子顕微鏡の解像度と感度を向上させながら、サンプルについて電子顕微鏡が取得できる情報量を増やす方法を発見しました。電子顕微鏡は、画像を構築するために可視光に依存しない点で、高校や大学の生物学の授業で多くの人が慣れ親しんでいる顕微鏡とは異なります。代わりに、名前が示すように、電子を使用するため、他の顕微鏡よりも高解像度で微細な構造の画像を撮影できます。

ANL の研究者は、AI を使用して電子顕微鏡の位相データを記録する方法を考案しました。これにより、サンプルの物理的および化学的特性に関する重要な情報が得られ、機器のパワーと容量が向上します。

同様に、AI によって強化されたもう 1 つの機能は、動きの高解像度 3D 画像を撮影できる、いわゆるライト フィールド顕微鏡です。通常、科学者がビデオを再構成するには数日かかりますが、AI を使用すると、解像度や詳細を失うことなく、これらの高解像度の動いているデータを処理するために必要な時間が数秒に短縮されます。

ゲノム時代の主力機器である DNA シーケンサーも AI によって強化されています。今年初め、科学者チームは AI を活用して DNA の配列解析にかかる時間を半分に短縮し、近いうちにさらに半分に短縮したいと考えている。つまり、AI は最も基本的な科学ツールをアップグレードしているのです。

出典：サイエンス

最後に、AI が研究室で真価を発揮するのは複雑なシステムのシミュレーションであり、基礎科学研究における標準的なツールとしてますます普及しつつあります。

昨年、研究者たちは物理学、天文学、地質学、気候科学など 10 の科学分野で画期的なシミュレーションを構築し、AI の学際的な能力を実証しました。

10 個のシミュレーターはすべて、DENSE と呼ばれる同じディープ ニューラル ネットワークによってトレーニングされており、他の方法と比較して同じ精度を維持しながら、シミュレーション速度を最大 10 億倍向上させます。

重要なのは、シミュレーターは「逆問題」を解決するために使用できることです。逆問題とは、研究者が結果はわかっているが、どの変数がその出力につながるのかを知りたい場合です。 AIはこのような計算が得意で、特定の答えに至る道筋を簡単に導き出すことができます。

シミュレーションは有用であるが、研究者たちはそのモデルが現実世界で機能することも確認したいと考えている。大手テクノロジー企業2社、GoogleとSamsungは最近、自社のチップの一部のレイアウトを計画するためにAIを導入した。

Google は、AI 設計のチップは「消費電力、パフォーマンス、チップ面積など、すべての主要な指標において、人間が製造したチップよりも優れているか、同等である」と結論付けました。さらに一歩進んで、同社は AI を活用して次世代の AI アクセラレータを設計しました (TPU は AI 搭載チップであり、標準の CPU や GPU ではありません)。

同様に、サムスンはウェアラブル製品や自動車に使用されるチップであるExynosを開発するためにAIチップ設計ソフトウェアを活用しました。 AI は、高忠実度のシミュレーションにより、自然界をモデル化して実験する方法に革命をもたらす強力なツールを科学者に提供します。

出典：AIがCOVID-19患者の迅速な診断をサポート

COVID-19 パンデミックほど、AI のモデリング能力を現実世界でテストするのに適した例はありません。

まず、タンパク質折り畳みアルゴリズム AlphaFold が重要な「スパイク」タンパク質を正確に予測し、AI が将来のパンデミックにおけるワクチンや治療法の開発をいかに加速できるかを実証しました。しかし、おそらくさらに印象的なのは、2020年の夏、日本の科学者たちが世界最強のスーパーコンピューター「富岳」を使って、COVID-19の空気感染をシミュレーションしたことだ。

ディープニューラルネットワークと数千の GPU を搭載した富岳は、ウイルスが空気感染するという決定的な証拠を世界に提供し、それに応じて COVID-19 を制御するためのガイドライン (マスク、換気、屋内と屋外の活動のリスクなど) を変更するよう WHO を説得しました。現実世界では、AI は危機発生時に世界的な緩和戦略を通知することでその価値を証明しています。

AI は、新たな発見をしたり、科学の武器庫に新たなツールを追加したりするだけでなく、データ内のパターンを見つけ、検証可能な予測を行い、それらを使用して新しい証拠をモデルに組み込むことで、科学的手法を反映します。

哲学者カール・ポパーは、実験によって検証され誤りであると証明できる反証可能な仮説を捨てることで科学は進歩するという考えを広めました。この理論と実験による排除のプロセスは科学的方法の特徴です。

AI における最近のいくつかの進歩が実証しているように、この技術は実験的に検証できる仮説も生成し、消去法を通じて厳密かつ反証可能な答えを提供します。

DeepMind の電子密度モデルは、科学的プロセスを近似し、予測と実験の間でフィードバックを繰り返して量子コンピューティングをより深く理解することで、研究者に勝利しました。

AIは、実験的に決定された何千ものタンパク質に対してモデルをテストし、推測を洗練し、解に近い枝に高い重みを与えることでニューラルネットワークを刈り込むことで、タンパク質折り畳みの問題を解決しました。研究者らが AlphaFold のオープンソース版を構築した今、他の科学者たちはこのモデルを使用して、RNA 構造がどのように折り畳まれ、タンパク質がどのように組み合わさるかという謎を解明することができます。

出典: エンドツーエンドのリジッドドッキングのための独立SE(3)等変モデル

全体として、タンパク質がどのように結合するかを理解することは、強力な新薬発見への扉を開きます。なぜなら、細胞内の多くの反応は、タンパク質が一緒に働くことの結果だからです。これら 2 つの進歩により、エンドツーエンドの AI パイプラインを活用して疾患をターゲットにし、正確な治療法を設計する、治療設計の新しい時代が到来します。

例えば、ファーウェイのAIラボの研究チームは、このモデルのバージョンを使用して、標的の感染に対する抗体を自動的に生成しました。薬剤設計からタンパク質結合まで、自然をモデル化し、分析し、制御する AI の能力は今後も向上し続けるでしょう。

DeepMind の最新のブレークスルーは、核融合反応の制御と維持の問題に AI を適用します。 AIは水素とヘリウムの核融合を制御することに成功し、宇宙のあらゆる星に記録的なエネルギーを提供し、プラズマを安定的に維持する新しい形状を発見しました。この実験は、世界に電力を供給するのに十分な再生可能エネルギーを供給できる、実用的な核融合エネルギーの開発に向けた重要な一歩となる。

この事例は、科学における AI の最も有望な応用例の 1 つを浮き彫りにしています。AI は、人間には見えないパターンを認識し、異なるが補完的な観点から環境を分析します。 AI は研究者と連携し、科学的手法に基づいて、科学的プロセスの基礎となる反復的な理論と実験を使用して、同じ探索的な疑問を解決することができます。

科学は、未知のものの探究として最もよく説明できます。 AI はこの旅のパートナーであり、人間とは異なる方法で自然界とその未踏の領域を認識し、私たちの世界の力を理解して活用するための新しい方法を切り開きます。

ソニーの研究主任である北野宏明氏は、科学的発見は、AIがシミュレートできる仮説、実験、データの自己修正システムに基づく「探索」問題であると説明しています。しかし、AI は、科学者や探索プロセスのパートナーにとって単なる強力なツールではありません。この技術は科学的プロセスも変革し、人々が達成できるタスクを自動化し、増加させています。人工知能は新たな科学革命を先導し、多くの分野で大きな進歩を遂げ、科学研究の新たな道を切り開き、科学革新のペースを加速させています。 AI はパートナーとして科学者と協力し、さらに無限の科学のフロンティアを探求していきます。