Angelos Angelopoulos氏、James F. Cahoon氏、Ron Alterovitz氏は2026年5月15日(現地時間)に公開された論文で、科学実験室の自動化を支援する新たなAIエージェントアーキテクチャを発表した。大規模言語モデルを統合し、科学者が自然言語で自動化された実験プロトコルを作成・監視できるようにする。初回でのプロトコル生成成功率97%を達成し、実験準備の時間を大幅に短縮する可能性が示された。科学研究の効率化と再現性向上に貢献するとの見方がある。
Angelopoulos氏らが発表したこのAIエージェントは、Experiment Orchestration System (EOS) に統合され、高度な自動検証とエラー修正機能を備えたエージェントループで動作する。従来の実験自動化システムが複雑なプログラミングや専門知識を要したのに対し、このエージェントは大規模言語モデルの能力を活用し、科学者が自然言語での指示を通じて実験プロトコルを直感的に作成できるように設計されている。これにより、プロトコル作成の敷居が下がり、研究者の負担が軽減されると考えられている。
このエージェントは、実験プロトコルの作成から実行・監視、さらに実験データを活用した閉ループ最適化キャンペーン、そして最終的な結果分析に至るまで、実験ライフサイクル全体を支援する。特に注目すべきは、ビジュアルグラフエディタの存在である。このエディタは、エージェントが生成したプロトコルをインタラクティブなノードベースの図として可視化し、その表現と同期する。これにより、科学者は提案されたプロトコルを手動で修正したり、特定のステップを視覚的に調整したりすることが可能となり、AIの支援と手動によるプロトコル構築の間で柔軟な作業が可能になる。
評価は、化学、生物学、材料科学という異なる分野を想定した3つのシミュレートされた自動化ラボで行われた。その結果、このエージェントは初回でのプロトコル生成成功率97%という高い精度を達成した。さらに、必要なインターフェース操作を約10分の1に削減することに成功し、実験プロトコル作成にかかる時間と労力を劇的に削減できることが実証された。これは、研究者がより迅速に実験を設計・実行し、多くの実験サイクルを回すことを可能にするとみられる。
この技術は、実験の計画段階におけるヒューマンエラーのリスクを低減し、再現性の高い実験プロトコルを効率的に生成することに貢献すると期待される。また、複雑な実験条件の探索や最適化を自動化することで、新たな材料の発見や医薬品開発など、幅広い科学分野における研究の加速が期待されている。専門家の間では、科学者が本来集中すべき創造的な思考やデータ解釈に時間を費やすことを可能にし、研究開発の在り方を変える可能性を秘めているとみられている。
参考: arXiv cs.AI — 2026年5月19日 13:00 (JST)
原文ハイライト"large language models"