AIが科学を変革する——宇宙論から化学まで
王立協会で開催された終日会議では、AIが天文学、材料科学、気候予測、核融合などの分野で科学的発見をどのように変えているかを探求しました。講演者たちは、銀河分類のための基盤モデル、結晶設計のための拡散モデル、AIに基づく海氷予報、核融合のための高速プラズマシミュレーションなどの画期的な応用を強調しました。
2026年3月31日、AIHub編集チームはロンドンの王立協会で開催された「AI for Science」会議に参加しました。この終日会議は、AIが科学的発見の性質をどのように変えているかを探求するもので、アラン・チューリング研究所の基礎研究チームが主催しました。テムズ川沿いの19世紀のタウンハウスに佇む王立協会は、長年にわたってその扉をくぐってきた著名人たちにふさわしい壮大な外観です。
最初に、チューリング研究所のチーフサイエンティストであるJason McEwen教授が、科学革命の本質と、AIと科学の双方向の関係がどのように次の革命を引き起こす可能性があるかについて洞察に富んだ講演を行いました。
次に、マンチェスター大学のAnna Scaife教授が、天文学的発見のための基盤モデルの使用について話しました。基盤モデルは、さまざまなタスクや入力に適用できる生成AIモデルであり、多くのデータモダリティで構成される天文学に最適です。Galaxy Zooは市民科学プロジェクトで、人々が銀河の画像にラベルを付け、望遠鏡で収集された膨大なデータを理解するのを助けます。30万個の銀河のデータセットを使用して、天文学者はZoobotニューラルネットワークを構築し、銀河を形態によって分類しました。これにより、以前は非常にまれだと考えられていた4万個の環状銀河が発見され、中年の「グリーンバレー」銀河も特定されました。
インペリアル・カレッジ・ロンドンのAron Walsh教授は、チームがAIを使用して新規材料を発見する方法について議論しました。拡散モデルを使用して結晶化合物を設計できます。これは画像生成と同様のプロセスで、ランダムノイズが徐々に除去され、目的の特性を持つ結晶構造が現れます。従来の計算化学手法では数日かかるところ、このAI対応アプローチではわずか数ミリ秒です。
気候科学と予測へのAIの応用も有望です。アラン・チューリング研究所の環境予測ミッションディレクターであるScott Hosking博士は、IceNetプログラムについて概説しました。これは数週間から数ヶ月先の海氷レベルを予測する初のAIベースモデルで、すでに北極保護に影響を与えています。次に、彼はFastNetモデルについて議論しました。これは英国初の運用天気モデルを目指しており、気象庁と協力して開発され、40年間の気象記録を使用して天気を予測します。西アフリカなどのデータ不足地域では、物理ベースのモデルを上回る性能を示しています。
英国原子力機関の主任データサイエンティストであるLorenzo Zanisi博士から、核融合を解明するためのAIの力について聞きました。プラズマ（荷電ガス粒子）を融合に十分な高温高密度に保つことは大きな課題です。それが恒星でしか起こらない理由があります！これまで科学者たちは、物理現象をモデル化するために高価なシミュレーションに頼らざるを得ず、実行に最大350時間かかることもありました。核融合のAIシミュレーターはわずか数ミリ秒で動作し、研究を加速し、融合エネルギーの未来をより身近なものにすることを約束します。
ケンブリッジ大学のMiles Cranmer博士は疑問を提起しました——なぜ物理学は機械学習よりも桁違いに一般化が優れているのか？人間が単純だと考えるタスクは、機械にプログラムしようとすると単純ではない傾向があります。Cranmer博士は、私たちが「単純」と考えるものは実際には「有用」の代用であり、単純さは美的概念であり、タスクの実際の難易度を反映していないと主張しました。この考えに基づき、AIの一般化がうまくいかないのは、世界をゼロから学習しなければならないのに対し、人間はすでに学習した有用な概念を再利用できるからだと論じました。おそらく最も強力なAIモデルは、データから再利用可能な概念を学習できるものでしょう。この原則が、NYUとケンブリッジの共同プロジェクトであるPolymathic AIでの彼の研究を推進しており、計算リソースをプールして物理学ベースの基盤モデルを産業規模で訓練しています。
会議の最後には、すべての講演者によるパネルディスカッションが行われ、AIモデルにとって解釈可能性が重要である一方、LLMの解釈可能性と性能の間にはトレードオフがあることが強調されました。パネリストは、事前学習モデルの重要性を強調しました。なぜなら、事前学習されていないモデルなど存在せず、ランダムな重みを持つモデルは初期化の悪い方法に過ぎないからです。
「AI for Science」は、さまざまな分野における科学研究へのAIの最も有望な応用を披露する、洞察に満ちた刺激的な一日であることが証明されました。機械学習は、気象や宇宙論で数十年にわたって収集された膨大なデータセットの応用を解き放ち、核融合や結晶設計におけるシミュレーションを加速しています——科学者たちはすでに大きな進歩を遂げています。未来が何をもたらすか誰にもわかりません。詳細を知りたい方は、講演者の振り返りビデオをご覧ください。