基礎講座
バイオインテグレーション入門
材料表面、タンパク質吸着、細胞応答、骨結合の考え方を短い講義で整理します。
Members Page
2026年度の共通パスワードを入力してください。会員向けの解説動画、セミナー録画、資料アーカイブを確認できます。
このページは厳密な機密管理ではなく、会員向けコンテンツをまとめるための簡易ページです。
Welcome
会員向けの解説動画、セミナー録画、資料アーカイブを整理する場所です。まずは学び直しに使える基礎コンテンツから公開していきます。
2026 Members
動画と資料を、ここから。
新しい講義、セミナー録画、資料アーカイブを順次追加していきます。
Video Library
基礎講座
材料表面、タンパク質吸着、細胞応答、骨結合の考え方を短い講義で整理します。
論文解説
注目論文の背景、読みどころ、実験設計、次の研究への活かし方を解説します。
録画
研究会・講演会の録画を、テーマ別に見返せる形で整理します。
Series A
Series B
Series C
Text Review
2026.04 / 会員向けミニ総説
AI for Scienceは、研究者の代わりにAIが結論を出すという話ではなく、仮説生成、文献探索、実験計画、測定、解析、次の条件提案までを、より短いサイクルで回すための研究基盤として理解するとよい。文部科学省もAI for Scienceを、科学研究の生産性と国際競争力を高める重要な方針として位置づけている。
材料研究では、計算、文献、データベース、機械学習を扱うDRY研究と、合成、加工、評価、細胞実験を担うWET研究を分けたままにしないことが重要になる。近年のself-driving laboratoryの議論では、AIが実験条件を提案し、ロボットや自動測定系が実験を行い、その結果をモデルが再学習して次の条件を選ぶ閉ループ型の研究が中心的な考え方になっている。
大規模言語モデルとAIエージェントは、この閉ループの中で、論文からの知識抽出、実験プロトコルの整理、候補条件の生成、失敗理由の推定、結果レポートの作成を支援できる。化学・材料分野の総説では、LLM単体の能力よりも、検索、計算ツール、データベース、実験装置を組み合わせたエージェント設計が重要だと整理されている。
バイオマテリアル研究では、材料物性だけでなく、生体応答、表面状態、細胞評価、臨床応用までの情報が分散しやすい。したがって、AI for Scienceの導入では、まずデータと知識を再利用しやすい形で整理することが出発点になる。会員ページでは、論文の読みどころ、評価法の考え方、AI・MIの導入例を短くまとめ、DRYとWETをつなぐ共通言語を育てていく。
Documents
このページは会員向けコンテンツをまとめるための簡易ページです。個人情報や未公開研究データは掲載しません。