OpenAI の科学研究における AI による化学研究への貢献：Chan-Lam クーリング反応の収率改善事例

OpenAI の科学研究は、高度な人工知能（AI）を強力なパートナーとして活用するという信念に基づいています。すでに数学、理論物理学、生物学の分野で成果が認められており、現在はさらに進化した領域である**医薬品化学（medicinal chemistry）**へ取り組んでいます。

本記事では、自律的な化学研究 AI「Maria」を活用した GPT-5.4 の実験事例を中心に解説します。

1 プロジェクトの概要と目的

移行の背景

従来の科学的進歩は論理的推論だけで測ることが困難な分野、特に医薬品化学への軌道変更を図っています。ここで求められるのは、単なる推論ではなく、リアルな分子や実験環境（ノイズを含む）の中で実際に機能する仮説の実証です。

システム構成：GPT-5.4 × Maria

Molecule.one と連携し、「Maria」と呼ばれる自律的な化学研究 AI を搭載したエージェント型システムを構築しました。

• 役割分担:
  • AI (Maria + GPT-5.4): 研究提案の生成、実験設計・実行、データ分析、追試実験の提案。
  • 人間: 「スチームリング」（方向付け）、評価プロンプトの設計、テスト案の選択、実験計画への修正、最終結果の独立した検証。

設定目標

いくつかの重要な反応クラスを改善するというオープンエンドな目標を設定し、AI が研究ループを主導しつつ人間が制御する「準自律的」アプローチを取っています。

---

2 主要な成果：OAI-M1-03 と Chan-Lam クーリング反応

本研究で最も有望だった提案は、医薬品で一般的な炭素−窒素結合を形成するChan-Lam クーリング反応の改善に関するものです。

発見と最適化プロセス

• 目標設定: 「Chan-Lam クーリングの改善」という抽象的な指示を出したところ、GPT-5.4 は独立して**「一次スルфонаミド（primary sulfonamides）が困難かつ高価値な基質クラス」**であると特定しました。
• 提案内容: 温和な酸化剤であるTEMPOなどを導入することで反応を改善するよう提案。
• 実験サイクル: Maria Lab で 2 サイクルのハイスループット実験（計 10,800 件の反応）を実施。

定量結果：収率向上

最適化された条件下での分析結果は以下の通りです。

メトリック	改善前 (Before)	改善後 (After)	変動率
収率向上を観測したボロン酸の比率	-	88%	劇的向上
収率向上を観測したスルфонаミドの比率	-	83%	劇的向上
平均収率	16.6%	25.2%	+51%
収率が 30% 以上の反応の比率	15.6%	37.5%	+2.4 倍

ベンチスケールでの検証

AI で提案したアイデアを人間がマイクロリットル規模を超えてベンチスケールで再現しました。

• テスト対象: 14 ケース
• 収率向上を確認したケース: 11 ケース（約 79%）
• 多くの場合、倍以上の増加を確認可能でした。

この発見がなぜ重要なのか

化学合成は創薬の主要なボトルネックとなることが多く、研究者は自分が合成できる分子のみをテストせざるを得ません。

• スルфонаミド基: 抗がん剤や抗菌剤、利尿剤など、幅広い治療領域に存在します。
• 歴史的課題: 特に「一次スルфонаミド」と「ボロン酸」の組み合わせは、歴史的に低い収率しか得られず、有望な分子をあきらめる原因となっていました。
• 解決の意味: この反応の信頼性を高めることで、医薬品化学家は潜在的利益のある分子をより広く探索・生産するための実用的な方法を手に入れることができます。

---

3 システム連携の詳細とプロセス

Maria Lab の役割

OAI-M1-03 プロジェクトでは、Maria AI は以下を行いました。

• 何千もの可能な研究提案の生成・ランク付け。
• 選択された計画の詳細な実験指示への翻訳。
• 数千件の高スループット実験の実行および生データ分析。
• 構造化結果を GPT-5.4 へ返送するフィードバックループ。

プロセスフロー

1. プロンプト作成: 科学者が Maria AI を活用し、GPT-5.4 と協働して提案を生成・ランク付け。
2. ヒューリスティックな選択: 人間がシステム基準で最も高かった少数の案（4 つ）を選定。
3. 詳細実験指示: Maria が選定された計画を実験手順に変換し、ロボットや自動化装置で実行。
4. 人間による修正: 最終的な研究提案に対して、人間による微調整を加える（例：溶媒を DMSO にしない判断など）。

期間と進捗

• 期間: 2025 年 3 月 4 日（最初のプロンプト）〜 2025 年 6 月 4 日（独立専門家の評価完了）。約 3 ヶ月。
• 他の提案結果:
  • OAI-M1-02, OAI-M1-04: Maria Lab で実験的に証明された。
  • OAI-M1-01: 否定された（仮説が誤りだった）。

---

4 発見の深掘り：フォローアップ発見

データの第 1 ラウンド分析後、システムは焦点を当てた第 2 ラウンドの実験を提案しました。

• 重要な发现: TEMPO は有効だが、性能への損失は小さく、代わりに4-ヒドロキシ TEMPO（はるかに安いアナログ）で置換できる可能性が示唆された。
• 統計的な妥当性: 10,800 件の反応という規模が重要でした。化学の結果はわずかなサンプルでテストされやすく誤解を招きがちですが、数千件のデータにより：
  • 10 つの酸化剤の中から TEMPO を特定。
  • 多様な組み合わせでの効果を検証。
  • その限界を明確に把握。

---

5 限界と今後の課題

現状の限界

この研究は、AI が有機化学において有用な貢献をできることを示すものでありますが、以下の点には注意が必要です。

• 完全自律性ではない: AI はアイデア提案や実験設計まで行いますが、エンドツーエンドの研究プログラムを自律的に完遂することは現時点では困難です。人間の判断が依然として不可欠です。
• 一般化性の証明不足: この手法が他の結合反応や基質クラス、製造条件に対して広く適用可能であることを示すものではありません。
• データの大規模性: 収率の見積もりはハイスループットプラットフォーム由来であり、ベンチスケールでは代表例（14 ペア）のみをテストしています。メカニズムの特定や独立した再現にはさらに作業が必要です。

セーフティと備え（Preparedness）

化学的能力は慎重な扱いを必要とします。悪用防止のため：

• 毒素、化学兵器、有害化合物の設計に関するリクエストは含まれません。
• Advanced Model Capabilitiesから派生するリスクに対し、Preparedness Frameworkを通じて評価・軽減を行っています（UK AI Security Institute の評価済みモデル）。
• システムは悪意のあるアプリケーションのリクエストを拒否するように設計されています。
• 実験ワークフローには、人間による選択、検閲、物理インフラの管理という追加制御層が組み込まれています。

---

6 次のステップ（What's next）

短期的目標：科学的検証

• より幅広い出発物質のテスト。
• TEMPO が反応を改善するメカニズムの検証。
• 効果が機能・失敗する領域のマッピング。
• 独立した複製の実施による手法の適用可能性と実用性の決定。

長期的目標：信頼できる科学パートナー

専門家の判断、信頼性の高い測定、強力なサファガードを維持しつつ、AI システムを信頼できる科学パートナーとして実現することです。

• 有機化学の高レバレッジ性: 小分子の発見と製造の進歩が、分子を作れるかに依存しています。合成法の改善は、医薬品・農業・電子機器・エネルギー・材料科学において探索可能なアイデアの範囲を大幅に拡大します。
• 連携モデル: フロンティアモデル、専用エージェント、自動化されたラボ、人間化学者が協力し、研究ループをより速く通過させることで、科学コミュニティが評価・再現・拡張できる見解を生み出すことを目指します。

本プロジェクトは、Molecule.one チームとこの作業を検閲した独立した化学者らのご協力を得て行われました。