Organization Chart
体制図
最先端研究プラットフォーム連携(TRIP)事業本部
科学研究基盤モデル開発プログラム（AGIS）
プログラムディレクター 泰地真弘人
生命・医科学分野モデル開発プロジェクト
プロジェクトディレクター 泰地真弘人
モデル開発
医療モデル開発
モデル開発
モデル開発
特性モデル開発
モデル連携開発
オミクス計算モデル開発チーム
材料・物性分野モデル開発プロジェクト
プロジェクトディレクター 吉田亮
モデル開発
モデル開発
ポリマーオミクスチーム
共通基盤開発・整備プロジェクト
プロジェクトディレクター 高橋恒一
共通基盤開発
基盤モデル開発
科学研究用共通基盤モデル開発チーム
計算基盤開拓プロジェクト
プロジェクトディレクター 松岡聡
ウェア開発
Overview
各プロジェクト・テーマ概要
生命・医科学分野モデル開発プロジェクト
プロジェクトディレクター：泰地真弘人
分子・細胞・組織・個体の各レイヤーで、生命システムの包括的な理解のための科学研究基盤モデルを開発します。また、医療データを活用したモデルにより、医科学分野への貢献を目指します。各分野のモデルを統合的に活用するため、司令塔となるAIエージェントの開発も進めます。
分子創薬モデル開発
テーマリーダー：小島諒介
分子・創薬分野のためのマルチモーダルAIチームとして、生命科学の多様なモダリティや階層構造を横断的に統合する先端的なAI技術の研究開発を推進しています。各種データを対象とする大規模基盤モデルの高度化やその周辺の理論や技術の研究に取り組むとともに、その成果をツールやプラットフォームとして実装・公開することで、医療・創薬を含む生命科学分野の多様な課題解決と実社会への応用展開を目指します。
精密ゲノム医療モデル開発
テーマリーダー：田宮元
医療・文献・電子カルテデータを用いて大規模言語モデルを拡張し、重要な医療知識の抽出・構造化を可能にします。また医学用ゲノム言語モデルを構築して、配列解析と医療データの同時学習を支援するAI for Scienceのためのプラットフォームを開発します。さらにそれらを利用して、バリアント情報から病原性を判定するバリアント解釈から遺伝カウンセリングまでを行うAIエージェントを開発して高度な解析と受容支援を両立します。
細胞応答モデル開発
テーマリーダー：二階堂愛
私たちは、生命科学研究を加速する基盤モデルの開発を通じて、「生成オミクス科学」を確立します。多種多様な細胞応答を捉える高品質オミクスデータを生産する新たなゲノム科学手法を構築し、そのデータを活用して細胞世界モデルを開発します。これらの技術により、細胞機能の自在なデザインを可能にし、創薬や再生医療への応用を推進するとともに、次世代医療やバイオ産業の発展に貢献します。
空間病態モデル開発
テーマリーダー：山本陽一朗
細胞間相互作用や疾患特異的な組織内配置に関する空間オミクス技術は、分子発現量のみでは捉えられない病態理解を可能にします。本テーマでは、ヒト疾患に関する臨床情報、細胞画像、および空間オミクスデータを統合し、大規模事前学習により汎用的に利用可能なヒト疾患空間情報基盤モデルを構築します。本モデルを通じて、新規バイオマーカーの探索、疾患メカニズムの解明、創薬ターゲット候補抽出を加速させます。
個体行動・特性モデル開発
テーマリーダー：桝屋啓志
生物個体と時間との関係に着目した基盤モデルの構築を目指します。マウスおよびマーモセットの日常行動を記録した動画、音声、脳波などの多様なデータを測定し、時空間情報を扱うマルチモーダル機械学習を実施します。長期間にわたる物体と行動の相互関係をモデル化することで、ライフステージの転換、疾患の前兆や未病状態、さらに脳機能とコミュニケーション能力の発達、社会状態の理解を進めることを目指します。
生命科学基盤モデル連携開発
テーマリーダー：尾崎遼
本テーマは、AGISにおける科学研究AIエージェントの実装基盤を確立し、監督者エージェント、特化型エージェント、MCPサーバ群、ラボ管理AI等を統合した基盤技術を開発します。あわせて生命・医科学分野の基盤モデル群との連携を確立し、基礎データ、研究ログ、実験オペレーションを接続することで、仮説生成から実験実施・解析・知識更新までを一貫して支援する自律的科学研究プラットフォームを構築します。
材料・物性分野モデル開発プロジェクト
プロジェクトディレクター：吉田亮
本プロジェクトでは、材料物性研究の高度化を目指し、AI for Scienceによる科学研究の変革をビジョンに掲げ、科学研究基盤モデルの開発を推進しています。材料データベースの整備・高度化、AIを活用した基盤モデルの構築、さらに実験自動化技術との連携を通じて、データ駆動型の材料探索を実現します。これにより研究プロセスの自律化を促進し、次世代の科学研究基盤の確立を目指します。
固体機能モデル開発
テーマリーダー：有馬孝尚
さまざまな材料機能を実現するための候補物質とその合成プロセスを提案する基盤モデルの開発を目指します。研究実績のある磁性材料を最初のターゲットとして良質な実験データ、計算データを収集する技術を開発します。マテリアルデータに強みを有する研究機関やマテリアルDX関連事業、スーパーコンピュータ「富岳」や大型放射光施設「Spring-8」などの先端研究施設とも連携を推進します。収集したデータを用いて基盤モデルをチューニングし、特定分野向けの生成モデルを開発します。
材料プロセス基盤モデル開発
テーマリーダー：谷峻太郎
先端レーザー加工などさまざまな材料プロセス技術の発展とともにプロセスの自由度が高まり、パラメーターの最適化はますます複雑になっています。一方、時空間的にマルチスケールな不可逆過程が関与するプロセスのシミュレーションは未だ難しい問題です。本テーマでは、デジタル空間でのプロセス最適化を実現するため、全自動実験とシミュレーションの緊密な連携を通して、予測性の高いプロセス基盤モデル開発に取り組みます。
ポリマーオミクス
テーマリーダー：吉田亮
現実世界と計算世界を横断する大規模材料データベースを構築し、高分子材料分野における基盤モデル開発を進めています。分子動力学や第一原理計算に基づく計算機実験の自動化技術を活用し、世界最大規模の高分子材料データベースの構築に取り組んでいます。さらに、シミュレーションと実験データを統合的に解析するSim2Real機械学習や、AI・ロボットを活用した自動・自律型材料探索システムの開発も推進しています。
共通基盤開発・整備プロジェクト
プロジェクトディレクター：高橋恒一
AIとロボットを統合した自律的な研究環境を構築し、「Science by AI」を実現します。 仮説生成から検証までを管理する複数AIのエージェント連携技術と、高品質データを高速取得する実験ロボット技術を開発・運用します。「頭脳」たる基盤AIと「身体」たるロボットを融合した能動学習アーキテクチャにより、AIが自ら実験を遂行し、継続的に研究を推進できる基盤を確立します。
能動的データ創出共通基盤開発
テーマリーダー：高橋恒一
科学AIの「身体」たる実験ロボットを開発・運用し、各組織と連携して基盤モデル学習用の高品質データをハイスループットに提供します。このロボットと「頭脳」である基盤AIを組み合わせた能動学習統合アーキテクチャを開発し、AIが自ら実験を遂行し、自律的かつ継続的に学習を進める環境を実現します。
科学研究用共通基盤モデル開発
テーマリーダー：牛久祥孝
本テーマでは、Science by AIのための大規模マルチモーダルモデルを包含する基盤モデルの共通基盤を開発します。研究者と協働して調査・仮説・検証・報告などのステップを含む研究ワークフローを自律的に実行するマルチAIエージェントシステムを構築し、バイオ・マテリアルズ等の多分野へ拡張しながら、科学計算および実世界実験で試行錯誤できる科学用基盤システムの実現を目指します。
計算基盤開拓プロジェクト
プロジェクトディレクター：松岡聡
計算基盤開拓プロジェクトでは、AI for Science（AI駆動科学）のためのプラットフォームの構築を目指して、「富岳」とAI for Science開発用スーパーコンピュータを⾼度に連携させ、科学研究向け生成AIモデルの開発等の研究開発を推進します。これにより、多様な分野における科学研究の革新（科学研究サイクルの飛躍的加速、科学研究の探索空間の拡大）に貢献します。
計算環境及び運用体制の構築・活用
テーマリーダー：三浦信一
AI for Science開発用スーパーコンピュータを「富岳」や先端実験装置と連携させ、科学研究向け基礎モデル開発のプロセスにおいて必要な、推論・学習モデルの適用、検証、フィードバックを自動かつリアルタイムに、数百人単位で同時に利用できる環境の構築を目指します。これらの目標達成のために、最先端の計算機運用体制を確立し、コストと性能を両立した効率的な運用技術の開発を行います。
基盤的ソフトウェア開発
テーマリーダー：佐藤賢斗
生命・医科学および材料・物性分野を対象に、基盤モデルと科学アプリケーションを統合する共通アプリケーションインターフェースとワークフロー技術の研究開発を行います。さらに、AI学習・推論の効率化に向けた性能評価・解析、フレームワーク高度化、AI向けシステムソフトウェアおよびデータ管理基盤の構築を通じ、AI for Scienceを支える統合的な計算基盤の実現を目指します。
新たな計算機方式研究
テーマリーダー：佐野健太郎
基盤モデル等のAIに対し優れた学習または推論性能を有し、かつAI4Sに求められるHPC計算性能をも有するアーキテクチャを確立します。また、コンパイラ等のシステムソフトを開発し、基盤モデル等AIの学習や推論性能およびHPC計算性能を、シミュレーションやエミュレーションにより評価します。加えて、アーキテクチャの設計最適化を高度化かつ省力化するために、AI等を用いた設計支援フレームワークを開発します。