文献からの報告書づくり、分子候補の提案、実験に回す候補探しを、Ai2・Google DeepMind・Anthropicの発表から比較した。各事例でAIが出した成果と、実験や人の評価で確かめた範囲を整理する。
- 対象は2026年9月23日から11月3日までに公開された、科学研究向けの AI の3件の発表。
- Ai2 は、研究の質問と文献の抜粋から引用つきの報告書を書く8B モデル「AstaBrief」を公開した。
- Google DeepMind は、文献から化合物を集めて分析し、新しい分子の案と合成経路を出す「Cheminformatics Skills」（Google Antigravity 向け）を示した。
- Anthropic は、DNA 配列のデータベースから実験に回す候補を探す研究を示した。見つかった仕組みの働きは未解明としている。
- 研究者にとっての要点は、3件で得られたものが違うこと。出典つきの報告書、検証前の分子案、実験で一部の特徴を確かめた酵素系である。
3件の入力・AI の仕事・出力
| 発表 | 入力 | AI の仕事 | 出力 |
|---|---|---|---|
| Ai2「AstaBrief」 | 研究の質問と、検索で集めた文献の抜粋 | Qwen3-8B を土台に学習したモデルが、節ごとに分けず1回で報告書を書く | 引用つきの報告書 |
| Google DeepMind「Cheminformatics Skills」 | 文献、ChEMBL と PubChem のデータ | 文献から分子を取り出して整理し、似た分子の組の分析と予測モデルづくりを行い、新しい環状分子を設計する | 化合物の一覧と報告、設計案、合成経路の案 |
| Anthropic の酵素系の探索 | 研究者の最初の指示と、DNA 配列の大規模データベース | 約950のエージェントが探索し、候補を絞って人が読む報告を書く | 有望な候補20件についての報告 |
人の確認と、まだ決まっていない点
| 発表 | 人が確認する範囲 | 発表時点で残っている点 |
|---|---|---|
| Ai2「AstaBrief」 | 研究者による評価があり、引用の正確さなどを見ている | 学習と評価の大半は2025年に行い、最新の主要モデルでは全体を再評価していない。出典が裏付ける範囲を超えて一般化していないかを測る評価は今後の課題 |
| Google DeepMind「Cheminformatics Skills」 | 設計はすべて合成して実験で確かめる必要があるとしている | データが少ないこと、研究室ごとの測定のばらつき、値の幅の狭さが予測の精度を限る。設計は検証すべき仮説で、完成した薬ではないとしている |
| Anthropic の酵素系の探索 | 実験室の作業はすべて人の科学者が行う。AI の報告は人が検討する。ART を新しい酵素系と認識したのは、報告をもとに解析と実験をした研究チーム | 最初の実験で、ART の配列が複数の短い RNA として作られていた。ART の機能は調査中 |
各機関が公表した所要時間
| 発表 | 公表された時間 | 測っているもの |
|---|---|---|
| Ai2「AstaBrief」 | Fast モードが報告書1本あたり平均51.1秒、Thinking モードが178.5秒 | 同じパイプライン内でのモードの比較。Ai2 は Fast モードが約3.5倍の速さとしている |
| Google DeepMind「Cheminformatics Skills」 | 約1時間 | 肺がん治療薬を例にした一連の流れ（化合物の収集、分析、新しい環状分子の提案） |
| Anthropic の酵素系の探索 | 21時間 | 資料で探索に費やした時間と明記されている。工程全体の時間や実験にかかった時間ではない |
所要時間はいずれも発表元の公表値で、計測の対象は各事例で異なる。
確かめた一次資料
- Claude discovers a novel enzyme system with CRISPR-like repeats ↗
- Open-sourcing AstaBrief, the fast report-generation model in Asta ↗
- Agentic cheminformatics with Google Antigravity ↗
この記事は、上の一次資料の原文を読んで書いています。数字は原文のとおりで、計算した値はそう書いています。