人工知能時代の科学的発見

Nature volume 620、pages 47–60 (2023)この記事を引用

2510 アクセス

209 オルトメトリック

メトリクスの詳細

人工知能 (AI) は、研究を強化および加速するために科学的発見にますます統合されており、科学者が仮説を生成し、実験を計画し、大規模なデータセットを収集して解釈し、従来の科学的手法だけでは不可能だった洞察を得るのに役立ちます。 ここでは、膨大な量のラベルなしデータでモデルをトレーニングできる自己教師あり学習や、科学データの構造に関する知識を活用してモデルの精度と効率を向上させる幾何学的深層学習など、過去 10 年間の画期的な成果を検証します。 生成 AI 手法では、画像や配列などの多様なデータ モダリティを分析することで、低分子薬やタンパク質などの設計を作成できます。 これらの手法が科学プロセス全体を通じて科学者にどのように役立つのか、またそのような進歩にも関わらず残された中心的な問題について説明します。 AI ツールの開発者とユーザーはどちらも、そのようなアプローチに改善が必要な場合と、不十分なデータ品質と管理責任によって引き起こされる課題をより深く理解する必要があります。 これらの問題は科学分野を横断しており、科学的理解に貢献したり科学的理解を自律的に獲得したりできる基礎的なアルゴリズム アプローチの開発が必要であり、AI イノベーションの重要な焦点分野となっています。

これはサブスクリプション コンテンツのプレビューです。教育機関経由でアクセスできます

Nature およびその他の 54 の Nature Portfolio ジャーナルにアクセス

Nature+ を入手、最もお得なオンライン アクセス サブスクリプション

$29.99 / 30 日

いつでもキャンセル

このジャーナルを購読する

51 冊の印刷物とオンライン アクセスを受け取る

年間 $199.00

1 号あたりわずか 3.90 ドル

この記事をレンタルまたは購入する

価格は記事の種類によって異なります

$1.95から

$39.95まで

価格にはチェックアウト時に計算される地方税が適用される場合があります

LeCun, Y.、Bengio, Y.、ヒントン, G. 深層学習。 ネイチャー 521、436–444 (2015)。 この調査は、音声認識、コンピューター ビジョン、および自然言語処理におけるディープ ラーニングとその開発の主要な要素を要約しています。

論文 ADS CAS PubMed Google Scholar

de Regt、HW 科学の理解、価値観、目的。 フィル。 科学。 87、921–932 (2020)。

記事 MathSciNet Google Scholar

Pickstone、JV Ways of Knowing: A New History of Science、Technology、および Medicine (Univ. Chicago Press、2001)。

ハン、J.ら。 ディープ ポテンシャル: 多体ポテンシャル エネルギー面の一般的な表現。 共通。 計算します。 物理学。 23、629–639 (2018)。 この論文では、群理論を組み込むことでシステムの根底にある対称性を尊重しながら、多体システムのポテンシャル エネルギー面を学習するディープ ニューラル ネットワーク アーキテクチャを紹介しました。

秋山 和也 ほか最初の M87 イベント ホライズン テレスコープの結果。 IV. 中心部の超大質量ブラックホールを撮影。 アストロフィー。 J.Lett. 875、L4 (2019)。

記事 ADS CAS Google Scholar

アリゾナ州ワグナー ニューラルネットワークを介した組み合わせ論の構築。 https://arxiv.org/abs/2104.14516 (2021) でプレプリント。

コーリー、CW et al. AI プランニングによる有機化合物のフロー合成のためのロボット プラットフォーム。 サイエンス 365、eaax1566 (2019)。

論文 CAS PubMed Google Scholar

ボンマサニ、R. et al. 基礎モデルの機会とリスクについて。 https://arxiv.org/abs/2108.07258 (2021) でプレプリント。

デイビス、A.ら。 人間の直感を AI で導き、数学を進歩させる。 Nature 600、70–74 (2021)。 この論文では、AI が数学的直観を導き、純粋数学の発展をどのように支援できるかを探ります。