エンジニアや科学者、そして芸術家でさえも、自然界のデザインが持つ美しさと機能性に長い間インスピレーションを受けてきました。例えば、日本の高速鉄道は、カワセミが水中を滑らかに進む姿をヒントに、空気を切り裂くように設計されています。しかし、有用なデザインはミクロのレベルでも見られます。生物学と材料科学を組み合わせた研究は「バイオマテリオミクス」と呼ばれています。イタリアの研究チームは、この既に学際的な分野に生成的AI（人工知能）を応用することに大きな可能性を見出しています。科学者たちは、この潜在能力と関連する限界や課題について、Science Partner Journalである『インテリジェント・コンピューティング』誌に2025年5月1日に掲載された、「「Generative Artificial Intelligence for Advancing Discovery and Design in Biomateriomics（バイオマテリオミクスにおける発見と設計の進展のための生成的AI）」」と題されたオープンアクセスのレビュー記事で詳述しています。
著者らによれば、「材料科学におけるバイオマテリオミクスの重要性は、どれだけ強調してもしすぎることはありません。それは、科学者が複雑な材料の課題に対する自然の巧妙な解決策を観察し、学ぶためのユニークなレンズを提供します」とのことです。バイオマテリオミクスは、組織工学、再生医療、個別化医療、ドラッグデリバリー、創薬といった生物医学的な応用が可能です。バイオマテリオミクスから得られる知見は、新しいタイプの持続可能なエネルギーや持続可能な材料の開発にも応用できます。しかし、その膨大なデザイン空間を探索することは、労働集約的で高価になる可能性があります。生成的AIの手法は、複雑なマルチスケール、マルチモーダル、相互接続されたシナリオ向けに設計されているため、他の方法では実行不可能なバイオマTリオミクス研究を実施する手段として見なされています。
ラファエレ・プグリエーゼ氏（Raffaele Pugliese）と彼のチームは、エンジニア、政策立案者、その他の研究者への指針となることを目指し、このレビューで以下に述べる3つの主要なトピックを取り上げています。
バイオマテリオミクスにおける生成的AIの歴史
2014年以前、バイオマテリオミクスにおけるAIの応用は、主に既存のデータセットと組み合わせて材料を分類し、その特性を予測するために使用される伝統的な機械学習手法で構成されていました。この背景から、AIツールと手法は徐々に、より創造的な役割を担うようになりました。
敵対的生成ネットワーク（GAN）や変分オートエンコーダが、特定のターゲット特性を持つ材料の設計に使用され始めました。
強化学習が、新規の有用なバイオマテリアルの探索を最適化するために使用され始めました。
AI手法が物理ベースのシミュレーションと組み合わされ、生成される材料設計が現実的な範囲内に制約されるようになりました。
大規模言語モデルが、複数の分野からのテキスト情報をリンクするために使用され、アイデア創出の創造性と効率性が向上しました。
画像生成のためのデノイジング（ノイズ除去）拡散技術が、テキスト入力を視覚的出力に変換するために使用され始めました。
次のイノベーションの波は、量子計算とシミュレーションからもたらされる可能性があります。
生成的AIモデルによる生物模倣材料設計
レビューでは、敵対的生成ネットワーク、拡散モデル、そしてマルチエージェントシステムを含む大規模言語モデルなど、いくつかのタイプのモデルが調査されています。
敵対的生成ネットワークは、入力データセットと同じ特性を持つ出力を作成しようと試みます。ネットワークの一部が候補となる出力を生成し、別の部分が識別器として機能し、その候補が十分に一致しているかを判断します。バイオマテリオミクスでは、敵対的生成ネットワークや、自然言語処理と組み合わせてトランスフォーマーで強化された敵対的生成ネットワークが、例えば葉、ジャイロイド、ヘラジカの角などに基づいた新しい構造の提案に成功しています。
拡散モデルは、特定のターゲットタイプのぼやけた画像から視覚的ノイズを除去するように訓練されます。訓練後、モデルには完全にノイズで構成された画像が与えられ、学習したデノイジングプロセスを使用して新しい画像を生成します。バイオマテリオミクスでは、RFdiffusion、Chroma、FoldingDiff、およびRoseTTAFoldが、新しい3次元タンパク質構造の提案に成功しています。
大規模言語モデルは、テキストの読み書きを行う自然言語処理ツールです。特定のタスクやコンテキストに合わせてファインチューニングすることができ、検索機能（すなわち、検索拡張生成（RAG: retrieval-augmented generation））を含む場合があります。バイオマテリオミクスでは、BioinspiredLLMおよびLifeGPTが、将来の可能性のある研究のための科学的仮説を生成したり、複雑なシステムの将来の状態について予測を行ったりするために使用されています。また、SciAgentsは、複数の大規模言語モデルと学際的な知識グラフから情報を収集し、研究プロセスのさまざまな段階の分析と体系化を支援します。
課題と倫理的配慮
レビューの著者らによると、AIツールをバイオマテリオミクスの研究プロセスに統合するには、責任ある開発を確実にするための「倫理バイデザイン」アプローチを必要とする多くの問題と課題について慎重に考慮する必要があります。
十分な量の高品質なラベル付きデータを取得することは、しばしば困難で高価です。
透明性と解釈可能性を向上させるために、説明可能な人工知能（XAI: Explainable artificial intelligence）技術を開発する必要があります。
AI駆動型のバイオマテリアル設計には、標準化された検証プロトコルが必要です。
AI駆動型材料に関連する環境への影響を評価し、軽減するためのフレームワークを確立する必要があります。
AIモデルの運用に必要な計算能力は、大量の電力を必要とします。
AI駆動型バイオマテリオミクスを民主化するために、アクセスしやすいツールとインターフェースを開発する必要があります。
著者らは、バイオマテリオミクスが持続可能に発展できるように、倫理的な原則と実践を開発プロセスに積極的に直接統合することを推奨しています。
