AIの機械學習による創薬が化學業界で註目を集めています。2019年3月に米國サンフランシスコで開催されたMIT Technology Review主催のEmTech Digitalのパネルディスカッションに登壇したInsitro社Daphne Koller氏によると同社はAIの「生成機械學習■」アプローチを科學に応用し、創薬の全自動実験裝置ㄨを完成させたといいます。
化合物自動生成柔与蛻惱全部呂給興曝実験裝置 Kebotix Platform
生成機械學習とは別名「敵対的ㄨ生成ネットワーク」(Generative Adversarial Network,以下GAN)と呼ばれています。GANの生成モデルでは「教師無し」でデータから特徴を抽出し學習することで実在しないデータを作ったり、ふたつのデータを組み合わせて中間的な特徴を持つ新しいデータを生成することが可能です。
Insitro社が用いるのは具體的に、ニューラルネットワークの伝統的なオートエンコーダーという手法です。以下の図では右側の女性、左型の女性の寫真のエンコードとデコードを繰り返すことで、両方の特徴を合わせ持つ実在しない「新しい」女性の寫真を生成することができるのです。
(出所：EmTech Digital)
これを応用すると、創薬における新しい化合〇物生成に活用することができます。同社の化合物自動生成実験裝置はKebotix Platformと名付けられ、新薬に活用できる新しい化合物の生成に大きく貢獻しています。
(出所：EmTech Digital)
「言語學習」の手法を用いて化學式を読み込み反応を予測
AIと一言で言ってもそのアプローチは様々です。AIによる新薬開発の別の例をご紹介しましょう。
2019年9月の発表によればイギリスのケンブリッジ大學はAIの「言語學習」の手法を用いて化學式を読み込み、新薬生成の際の化合物の反応、効能を予測するアルゴリズムを確立したといいます。その手法を用いると90％以上の正確性で複雑な化學反応の予測ができるようになるとのこと。(原文記事はこちらから”AI learns chemistry language to predict how to make medicines”)
このアルゴリズムによって、これまで研究結果を実験室のノートにとってきたものをあらゆる化學反応を予測した「マップ」として管理ができるようになりました。現在もケンブリッジ大學の研究者によってパターン學習の強化が続けられています。
このアルゴリズムによる結果を見ることで、新薬開発に最適な化合物の組み合わせのヒントの発見を圧倒的に短い時間で実現することが可能になると期待されています。
「2020年からはバイオ?テクノロジー?エンジニアリングの時代になる」というInsitro社Koller氏の説明のとおりAIがマーケティングや事務効率化、顧客サービスへの活用のみに留まらず、化學分野で當たり前のように使われる時代はもうすぐそこまで來ているのです。
最先端のAIが學習に要する時間
このような科學分野におけるテクノロジーを支えているのはAIアルゴリズムだけではありません。膨大なデータの蓄積、クレンジング、ガバナンスの効いた管理、そして高い計算能力を持ったコンピューティング開発がその成功を下支えしているのです。
Google社やIBM社が産學協同で開発に力を入れている量子コンピュータ(Quantum Computer)のような大掛かりな演算処理システムの開発から、話題の自動運転を支えるメモリSRAM*といったハードウェアプロセッサの高性能化まで、データ処理と演算を効率的に実裝できるシステム開発があってこそ化學分野のAI活用が実現するのです。
Open AIによるとこれまでの傾向として、最先端のAIが學習に要する時間は3. 5カ月ごとに倍増しているといいます。結果、過去5年間でその処理能力は約30萬倍にも増加しています。
(出所：Open AI, “AI and Computer”)
今後、新薬開発におけるでより多くのデータ量、演算が求められても機械學習能力はその必要に追いつくべくさらなる進化を続けることでしょう。化學分野におけるAIの貢獻からはますます目が離せません。
*SRAMに関する詳細の情報はRSコンポーネンツ社サイトから
関連書籍
最新記事 by webmaster (全て見る)
- AIによる創薬に新たな可能性 その研究と最新技術に迫る ～米?Insitro社 / 英?ケンブリッジ大學の研究から～ - 2019年9月20日
- 塗る、刷る、printable!進化するナノインクと先端デバイス技術～無機材料と印刷技術で変わる工業プロセス～ - 2019年9月17日
- 面接官の心に刺さる誌望動機、刺さらない誌望動機 - 2019年9月12日
