文部科学省より「AI for Science の推進に向けた基本的な戦略⽅針について」の⽅向性案が公開されました。科学研究へのAI技術の活用が国家的ミッションと位置付けられ、研究投資・計算基盤整備・人材育成などが強化されるようです🤩 www.mext.go.jp/content/2026...

良いプロンプト設計は、大きく6つの観点で整理できます。 1. 言語・対話として自然か 　（情報量、明確さ、双方向性、語り口） 2. LLMが処理しやすいか 　（ステップ分解、不要情報の削除、考える余地） 3. タスク設計が明確か 　（目的・制約、具体例、自己チェック） 4. 論理が一貫しているか 　（構造の明確さ、矛盾のなさ） 5. ハルシネーションを抑制する設計か 　（事実重視、事実と創造の切り分け） 6. 倫理・安全性設計 　（偏見、安全性、プライバシー、限界の明示） モデルやタスクによっては効かない項目もありますが、チェックリストとして活用してみてください！

仮説検定の手法はデータを見て決めるものではなく、 ①何を主張したいか ②どんな仮定を置くか に基づき決まります。 生物学分野だと小標本になりがちなので、検定は定性的に明らかな差を補助する位置づけと捉え、効果量・可視化・生物学的妥当性など総合的な判断が重要です。 生物学的妥当性とは - その差は生物として起こりうるか - 既存知見・メカニズムと整合するか - 統計的有意性だけで結論していないか（統計的に有意 ≠ 生物学的に意味がある） などを問うことです。 統計はその判断を助ける道具であって、代わりに判断してくれるものではありません。

LLMs are strong at answering allowed questions but are fundamentally weak at correctly refusing forbidden ones. Prompt engineering alone has limits; achieving safe and reliable deployment requires careful operational and training design, such as pre/post-generation filtering and model fine-tuning.

LLMは「答えてよいこと」には非常に強い一方で、「答えてはいけないことを正しく拒否する」のが本質的に苦手です。プロンプトエンジニアリングだけでは限界があり、安全で信頼できる運用のためには、生成前後のフィルタリングやモデルの fine-tuning など、運用や学習の設計が重要になります。

LLMs tend to work best when designed not to complete tasks, but to support parts of a workflow. Combining them with human review, or using them to generate initial drafts in ambiguous tasks, often leads to practical results.

LLMは業務を「完結」させる存在ではなく、業務プロセスの一部を担う存在として設計する方が実務向きです。 人のレビューと組み合わせ、時間削減効果が見込める領域から導入する。あるいは、正解があいまいな業務で「叩き台」を出す役として取り入れると有効に機能する傾向にあります。

2025年も今日でおしまい。規模を拡大できたのは良かった一方で、私たちのリソース不足でお断りさせていただかざるを得なかったご依頼が出てしまったは反省点です。AI技術もうまく活用して、来年も科学への貢献を続けたい所存です。2026年もどうぞよろしくお願いいたします！

生データを見ろおじさん｜八木 拓真 @t_Signull note.com/takumayagi/n...

これでポスターや論文のFigure作りのツールに悩まなくて済む！😍 クリエイター向けツール『Affinity』が完全無料化。『Designer』『Photo』『Publisher』3つのソフトが統合され1本へ。今後のアプデもずっと無料 | ゲーム・エンタメ最新情報のファミ通.com www.famitsu.com/article/2025...

“Google for DNA” brings order to biology’s big data: ETH Zurich’s MetaGraph compresses and indexes DNA/RNA/proteins, enabling Google-like search. www.nature.com/articles/d41...

プログラミング技術で科学の発展を促進しようという試み、大注目です🤩 「Julia x OSS で科学の未来をもっと早く！プログラム開発の効率化で科学の発展を加速する」 academist-cf.com/projects/394...

As a hobby side project, I've built browser-based music practice tools🎹🎧 It includes an ear trainer, guitar chord finder, YouTube video looper & speed changer — all things I personally wanted to use. It’s totally free and open to everyone—give it a try! 👉 music-tools.neurodata.tokyo

作成ツールのご紹介その5：グラフの読み方＋コード事例集 論文でよく見るあの図、何て名前？どうやって解釈するの？どうやって作るの？使いどころは？そんな疑問に答えるための、グラフの見た目からの可視化手法逆引き辞典です（PythonとRのサンプルコード付）。順次更新予定。 ronsapo.neurodata.tokyo/graph-examples

作成ツールのご紹介その4：日程調整 説明不要ですね。会議なり飲み会なり趣味の会合なり、お好きなイベントの日程調整にご活用ください。 ツールの利用はこちらから： ronsapo.neurodata.tokyo/schedule/cre...

作成ツールのご紹介その3：PDFマージ・分割 PDFから不要なページを除いたり、二つのファイルを結合したい時ってありますよね。今、目の前の1ファイルを処理したいだけなのに高い有料ソフトを払うのは勿体ない……そんなときにご活用頂けるかと思います！

作成ツールのご紹介その2：PDFテキスト整形 PDFからコピペした文章には不自然な改行や余計なハイフンが入りがちです。本ツールはそういった無駄な要素を削除し、綺麗に整った文章へと整形します。読書メモや機械翻訳を行う際のちょっとしたストレスをなくしてくれる地味だけど助かるツールです！

【RStudioユーザー必見】Positronの導入・使い方を徹底解説｜わたヤク note.com/ai_biostat/n...

作成ツールのご紹介その1：文字数カウント 類似ツールは世の中にいくらでもありますが、「データ、保存されてない？」「未発表の内容を入力して大丈夫？」と不安になることもありますよね。 私たちのツールは、入力情報を一切保存・再利用しないことを最重要の設計方針としています。

研究活動支援ツール「Ronsapo」を作成しました！PDF編集や文字カウントのような「何かと便利なちょっとしたツール」から、英文校正や論文要約のような「AI技術を用いた最新支援ツール」まで揃えています。運用費がかかるのでAI機能だけは有料とさせていただいていますが、それ無しでもみなさんの研究活動のお手伝いが十分にできるのではと思います。どうぞご活用くださいませ！ ronsapo.neurodata.tokyo

- Google has announced the "AI co-scientist," a multi-agent AI system based on Gemini 2.0 - It integrates vast scientific literature to generate new hypotheses, outline research overviews, and propose experimental methods research.google/blog/acceler...

- GoogleがGemini 2.0を基盤としたマルチエージェントAIシステム「AI co-scientist」を発表 - 膨大な科学文献を解析し、新たな仮説の生成、研究概要作成、実験手法の提案までをサポート research.google/blog/acceler...

LLMが分子生物学やバイオインフォマティクスでどう活用されうるかを議論した記事 ai-scholar.tech/articles/lar...

Thank you for the wonderful connections and support in 2024. Since starting our challenge in April, we’ve had the opportunity to work on many projects and grow each day. In 2025, we look forward to new challenges and continued growth. Happy New Year!

2024年も多くのご縁をいただき、みなさまに心より感謝申し上げます。4月からスタートしたこの取り組みも、おかげさまで多くの支援を手掛けることができ、充実した日々を過ごすことができました。皆様に支えられ、日々成長を実感できたことに感謝の気持ちでいっぱいです。 来年はこれまでの経験を活かしながら、さらに新しい挑戦にも取り組んでまいりたいと考えております。2025年もどうぞよろしくお願いします！

Here's my approach: start with the GPTs below for a summary, do some Q&A with the GPTs, then dive into a close read. It greatly speeds up understanding, but the flood of new papers keeps growing—human capacity is near its limit. 🫠 chatgpt.com/g/g-8rviAV5V...

OpenScholar: AI for scientific paper research - Finds papers & summarizes content for user queries - Trained on 45M+ Semantic Scholar papers - 8B parameters GitHub: github.com/AkariAsai/Op...

科学論文の調査に特化したAIモデル「OpenScholar」 - ユーザーのクエリに応じて論文を見つけ、その内容に基づいた回答を生成 - Semantic Scholarに含まれる4500万件以上の論文と、対応する文章の組み合わせからなるデータセットを用いて訓練 - パラメータ数はわずか80億 gigazine.net/news/2024112...

Interesting. LLMs exhibit modular structures, such as math/code lobes, resembling functional areas in the neocortex. Just as cortical arealization occurs during development, could insights from developmental neuroscience refine AI architectures? 🧠🤖 arxiv.org/abs/2410.19750

We have released the MRI image (.nii) ⇔ PNG/TIFF conversion package on PyPI! 🎉 You can easily install it with pip install nifti-converter. (Although not mentioned in the README, it can also be easily used as a Python library.) pypi.org/project/nift...

私たちが作成したMRI画像 (.nii) ⇔ PNG/TIFF 変換パッケージがPyPIに登録されました🎉 pip install nifti-converter で簡単にインストール可能です！ （READMEには記載できていませんが、Pythonライブラリとしても簡単に呼び出せるかと思います） pypi.org/project/nift...

🚀 We just released a Python package that converts NIfTI neuroimaging data (.nii) to sequential image formats (.tiff/.png) and vice versa.🧠 Simplify your neuroimaging analysis and visualization workflows! github.com/neurodata-to...

MRI画像のハンドリングを簡便化するPythonパッケージを公開しました！NIfTI形式の画像 (.nii) をTIFFやPNGの連続画像に簡単に変換（またその逆変換）するためのツールです🧠 詳しくはGitHubをご覧ください github.com/neurodata-to...

さまざまなデータを可視化する手法がまとめられたサイト。グラフだけじゃなくマインドマップなどもある。複数言語UIが用意されてるが日本語がない。でもサイト翻訳でよさそう。

Sakana AIが開発したThe AI Scientistの論文日本語サマリーを公開しました。 短いアイデアを与えると勝手に膨らまして勝手にコード書いて勝手にFigure作って勝手に論文書いて…ここまでのものが自動でできてしまうのは驚きです😲✨ github.com/TeamAidemy/d...

データサイエンスに特化したPython/R用のIDEとのこと！ グラフの可視化やデータのフィルタリングなど、ややもすればExcelと行ったり来たりしていた状況もIDE内で楽に完結できるように🤩 github.com/posit-dev/po...

これめちゃくちゃ面白い！自発活動は事前分布の役割を果たしており、カオスを利用したサンプリングによって入力に応じた神経活動の事後分布が表現されると。 www.riken.jp/press/2024/2...

データサイエンティスト・リサーチアシスタントエンジニアによる研究支援、ご興味をお持ちいただけましたら以下からお気軽にお問い合わせください！

しかし、実験ができないエンジニアを専属で雇う余裕はない、そもそもエンジニアをフルタイムで雇う程の仕事量もないラボがまだほとんどだという実情もあるだろうと思われます。 そこで私のような「基礎研究の背景を持ち」「計算機・データを扱う仕事をしている」人間がスポット的に関わらせていただくことでラボのデータ活用、いわゆる研究DX推進のお手伝いができるのではないかと考えた次第です。 多くのラボに薄く(?) 関わり、日本の研究の下支えをするような取り組みができると面白いと考えています。

本日より本格始動！……の前に、まずはそもそもこの取り組みを考えたきっかけを少し述べたいと思います。 ↓ 顕微鏡画像に代表される実験データの大規模化やゲノミクス・トランスクリプトミクスなど〇〇ミクスの一般化が進み、Wetな研究者もビッグデータの波から逃れられない時代が来ています。 大きなデータの分析や規格変換などは、Wet研究者にはなかなか手が出しづらいところでもあります。そこで、そうした仕事を担える存在として、「リサーチアシスタントエンジニア」「リサーチソフトウェアエンジニア」といったポジションの重要性が説かれるようになってきました。（続）

「本論文についての議論ができるChatGPTを用意したよ」という論文が出ていました。こういう形でSupplementalなデータを提供する方法も今後増えてくるかもしれませんね🧐 www.nature.com/articles/s41...

一方で、「色々できすぎる」ことが動的な図の弱点でもあります。動的な作図は議論・探索時にとどめ、「ここを見て！」がはっきりしてからは主張を明確・正確に伝えられる、説明志向の静的な図を作るべきですね。

実験データを共有すると「ここの数字はどうなってる？」「横軸これにしてみたら？」と突然言われて困った経験は誰にでもあるはず😭 「動的な作図」を武器として持っておくと、人との議論がものすごく進めやすくなることがあります。 PlotlyだったりBokehだったりを使って図自体を動的にする方法もありますが、Streamlit等を使って作図プロセスごとアプリ化してしまう方法もオススメです。 静的な図を擬似的に動的に見せることもできますし、GUIの操作性、汎用性も大きなメリットになりえますね。

書籍「物理・化学・数理から理解する生命科学」を買いました。しばらく生物系から離れていた自分にとっては、最近使っている技術領域から生命科学を振り返る良い教材になりそうです😊

JupyterLab/Jupyter NotebookがMermaid記法に対応したようです。ダイアグラムやシーケンス図、フローチャートを載せやすくなりますね！ blog.jupyter.org/jupyterlab-4...

ChatGPTを論文執筆に用いる際に一つ注意しないといけないのが、普通に使うと渡したデータを学習に使われてしまう点ですね。設定を変えるかAPI経由で使えば(今の仕様では)OKです！

AIを活用して英語論文を作成する日本語話者にとっての課題とその対策 (柳瀬 陽介) www.jstage.jst.go.jp/article/jkg/...

このごろ顕微鏡使ってると普段見かけないパックマンがいませんか？ 花粉です

ゲノミクスやトランスクリプトミクス、プロテオミクスといった異なるレイヤーの情報をバランスし、遺伝子とその産物の特性を比較するのにも使えそうですね😍