自己駆動型ラボ：Joseph Krause氏、Radical AIについて語る

Science ポッドでは、AI が STEM をどのように革命化しているかについて多くの地盤をカバーしてきましたが、ローンチ以来の非公式な話題の中で最も好きなものの一つは、どの分野を加速するのが難しいかという点です：数学、生物学、それとも物理学でしょうか？今日は、Materials Science の世界に戻ります。Radical については、生物学的分子がトークン文字列で表現（そして予測！）できるのとは異なり、材料の成功にはサプライチェーン、微細構造、製造プロセスなど、はるかに多くのマクロ複雑変数が関わっています。2023 年の LK99 の騒動を思い出してください。基本的な原料は知られていましたが、混乱の一部は製造に関する開示の欠如に由来し、したがって再現性を損ないました。スケール上で完璧に機能する材料を設計できる「ワンショット」モデルが存在しない可能性が高いでしょう。 Radical が DARPA/GE MACH の 10 倍以上のペースで材料発見を加速する方法 Joseph Krause は、完全に材料科学者です。そして、業界がより良い材料を待って停滞するのをキャリアを通じて見守ってきた後、それに対処するために Radical AI (https://www.radical-ai.com/) を設立しました。 私たちは最近、Joseph と Radical AI、材料発見、自律型ラボ（Self-driving labs）、および AI 科学の未来について話すために座りました。Joseph は何も飾らずに話しました：材料発見パイプラインを加速することは難しい問題です。しかし、それは彼が強く信じているものであり、消費者製品、航空宇宙、コンピューティング、防衛の未来のために投資し、それらを日常使用に導入する必要があります： 「あなたがスマートフォンを手に取り、その中に新しい材料が入っていることに気づいたとき、私たちはそれを発見と数えます。」 ジョセフはどのようにして発見の速度を加速しようとしているのでしょうか？これを理解するには、まずなぜこれがそもそも非常に難しい問題なのかを理解することが重要です。最初に心に留めておくべきことは、製造される材料は単なる化学式以上のものだという点です。混合、焼鈍（アニーリング）、成長、または最終材料の生成のプロセスは、劇的に異なる結果をもたらす可能性があります。1 初期発見から大規模製造に至るまで、材料発見プロセス全体を理解し、特徴づける必要があります。 自律型ラボ（Self-Driving Lab） この哲学は、Radical AI における重要な洞察へと発展しました：自律型ラボの構築です。このラボは単に自動化されているだけでなく、「AI 科学者」を活用しており、科学的知識、計算手法、そして人間の直観を組み合わせることで、仮説の生成とテストを自動で行います。AI 科学者の創出が Radical の自律型ラボを機能させる鍵となりました。なぜならジョセフは、単一の AI モデルで材料を一発で設計することはできないと主張しているからです。 「材料において、真実（グラウンドトゥルース）とは材料そのものです。それをテストし、特徴づける能力が不可欠です。」 ジョセフは Radical の自律型実験室について長く語りました。ジョセフは、この業界における真の「堀」は実験データであると主張しています。自律型実験室（SDL）は、AI 科学者が仮説を生成し、自動化されたロボットが材料の合成と特性評価を行い、研究キャンペーンを直列ではなく並列で実行するクローズドループシステムとして機能します。 ここでの成功は、自動化側と科学側の両方で達成されました。Radical は、6 ヶ月間で 1200 種類の合金を生産・特性評価するまでの合金発見パイプラインのスケールアップに成功しました。これは、1 年間に 500 種類の新しい合金を作成することを目的とした DARPA/GE MACH プログラムと比較して、ほぼ 10 倍の速度向上です。ジョセフはさらにこの規模を拡大できると主張し、1 日あたり 100 種類の新しい合金を検証・特性評価できる見込みであると推定しています。これは高スループット合金実験における真に新たなパラダイムです。 科学側の成果としては、AI 科学者が 300 種類の新材料を提案・検証し、そのうち 10 種類が商業応用に向けたさらなる開発が行われている新規の最先端特性を持つことが判明しました。この最初の材料キャンペーンにおける堅牢性は、ジョセフの「堀は実験室とデータである」という主張を裏付けるものです。 「これまで誰も発表したことのない元素族や合金族へと進化したのです。」 興味深いことに、Radical の AI 科学者は、これまで探索されていなかった元素へと展開する新たな発見を行いました。これは科学的観点から非常に魅力的ですが、重要な産業におけるサプライチェーンのボトルネックを解消する上でも極めて重要です！ Joseph は Radical を設立する前にワシントン D.C. で多くの時間を過ごし、競争上の脅威について明確な認識を持っています。中国の集中型モデルは、製造ハブを立ち上げるとすぐに実験室から生産へと新素材をスケールさせることを可能にします。私たちはそれを複製することはできず、Joseph も私たちがそう試みるべきではないと明確に述べています。しかし、何らかの答えが必要です。Joseph にとってそれは、科学労働力を変革し、国立研究所レベルで自律型実験室インフラへ投資し、官民連携を強力に進めることを意味します。 「今、アメリカのすべての科学者が従来よりも 10 倍の研究成果を出している姿を想像してみてください。これが根本的な変化です。これこそが発見の軌道そのものを変えるのです。」 閉じる前に、Joseph と Radical に、内部ツールパイプラインの多くを公開しオープンソース化したことに感謝の意を表したいと考えています。それには以下が含まれます： TorchSim（プレプリント、ブログ）: 非営利団体としてスピンオフされた、PyTorch ベースの分子動力学シミュレーションフレームワークであるオープンソースプロジェクトです。 MATRIX/MATRIX-PT（プレプリント、ブログ）：自律型自動運転ラボのベンチマークのためのオープンソースデータセット（MATRIX）、およびこのデータセットに基づいたオープンソースモデル（MATRIX-PT）。これについては詳しく議論することもできますが、面白いデータポイントとして、材料分野における推論能力を向上させた結果、生物システムにおける推論能力も同時に向上したことが挙げられます。これはまさに予期せぬ結果です。 Radical チームに、彼らの研究成果を共有してくれたことに大きな感謝を表します！ 材料の発見は、何世代にもわたって 20〜30 年というタイムラインで停滞していました。ジョセフ氏はこれがもうすぐ変わるだろうと考えており、Radical AI はその仮説を実験室で、一つずつ合金を試すことで検証しています。 ジョセフ氏との対談は大変有意義なものでした。ぜひお聞きください！ タイムスタンプ 0:00 材料科学における AI の課題への紹介 0:52 ご挨拶と、ジョセフ・クラウス氏および Radical AI の紹介 1:38 Radical AI が異なる理由：実験データと自律型自動運転ラボ（SDLs）に焦点を当てている点 6:19 プロセス：候補生成、合成、および特性評価 11:05 過酷な環境（航空宇宙および防衛分野）における異種合金の応用 13:20 参入障壁：認定と製造プロセスの遅さ 16:06 材料科学におけるサプライチェーンの制約 19:24 ヒューマン・イン・ザ・ループ：科学的直感を用いた AI のトレーニング 20:35 実験室の自動化におけるエンジニアリング上の課題 23:17 「自律型自動運転ラボ」の定義：単なる自動化ではなく、研究キャンペーンとしての側面 24:39 機械的課題：高温試料の取り扱い 27:41 将来のスケーリング計画と「垂直統合」戦略 30:08 ハイテク産業（半導体、航空宇宙）における検証タイムライン 31:47 アクティブラーニングループと「ネガティブ結果」の扱い 35:32 人間のバイアスを越えた元素族の AI による探索 39:13 スループット目標と、AI と人間による探索の違い 43:52 データセットサイズよりも実験フィードバックの質が重要である理由 46:20 材料科学における「アルファフォールド」の欠如への対応 53:49 ラボからの戦場体験：インフラ構築 58:12 SDL（自律型ラボ）とツールインターフェースに対する業界の感情の変化 1:01:14 地政学的考慮事項と材料科学イノベーションにおける競争 1:06:12 ML および AI エンジニアへのアクション呼びかけ：科学的スタックの見直し 1:09:53 マトリックスモデルと VLM（ビジョン・ランゲージ・モデル）を用いた科学知識の抽出 1:13:10 Radical AI がなぜオープンソース化を行うのか これは、分子やタンパク質、配列などが一意に分子を定義する生物学および化学の世界が扱う内容とはやや矛盾しています。分布や合成は依然として極めて困難ですが、少なくとも構築するための明確な数量を持つことは可能です。一方、材料科学においては、同じ化学組成であっても、その材料を製造するプロセスによって、数十種類もの異なる「微細構造」が生じることがあります。

自己駆動型ラボ：Joseph Krause氏、Radical AIについて語る

背景や根拠まで確認しますか？

調べる

選ぶ

サイト