ニュース

マサチューセッツ工科大学（MIT）の研究チームは、複数の元素が共存する場合でも、振動スペクトルから置換点欠陥の化学種と濃度を直接予測できる、基礎的な機械学習モデル「DefectNet」を提案した。このモデルは、56種類の元素を含む未知の結晶に対して優れた汎化能力を示し、実験データを用いて微調整することも可能だ。

華中科技大学と小紅書hi研究室は、従来のOCRの限界を打破し、複雑な文書内のテキスト、図表、表などの要素を統一的に構造化処理し、SVGコード変換をサポートするマルチモーダル文書解析ツール「dots.mocr」を共同でオープンソース化しました。

ウォーリック大学の研究チームは、TESS候補のスクリーニングと検証のための新しいプロセスであるRAVENを提案しました。このプロセスでは、合成トレーニングデータセットを導入することで、タスク自体によって生成される閾値外（TCE）データのみに依存する従来の手法を打破しています。この改良により、機械学習モデルがカバーする惑星および偽陽性シナリオのパラメータ空間が大幅に拡大・強化されます。1361個の事前分類済みTESS候補を含む独立した外部テストセットにおいて、このプロセスは91%という総合精度を達成し、TESS候補の自動ランキングにおける有効性を実証しました。

マサチューセッツ工科大学（MIT）とカーネギーメロン大学の研究チームは、配列生成と振動ダイナミクス予測を組み合わせることで、新規タンパク質設計を可能にするタンパク質生成インテリジェントエージェントモデル「VibeGen」を提案した。その結果、この生成エージェントによって設計されたタンパク質は、安定した新規構造に折り畳まれるだけでなく、主鎖レベルでの標的振動振幅の分布特性を再現できることが示された。

HyperAIは、マルチドメイン、マルチタスク推論、合成推論トレーニングデータ、科学研究ベンチマーク、大規模質問応答データなど、高品質な推論データセットを収集しており、これらのデータセットのダウンロードやオンラインでの利用をサポートしています。

MITの研究者らは、完全に遮蔽された多様な日常物体の高精度な3D形状再構成を可能にする、Wave-Formerと呼ばれる新しい手法を提案した。この手法は、高い信号対雑音比と深刻な遮蔽という課題に対処するだけでなく、革新的な物理的知覚トレーニングフレームワークによる合成データトレーニングに基づいて、実世界環境における高精度な再構成も実現する。最先端のベースライン手法と直接比較すると、Wave-Formerは、高い精度851 TP3Tを維持しながら、再現率を541 TP3Tから721 TP3Tに向上させている。

GTC 2026において、NVIDIAは3つのオープンソースプロジェクト、NVIDIA Isaac GR00T、Kimodo、SOMA-Xを発表しました。これらのプロジェクトは、意思決定、生成、表現という3つのレベルから同じ課題に取り組んでおり、機械が複雑な動作をより自然かつ効率的に実行できるようにする方法を模索しています。NVIDIAはまた、拡散モデルのトレーニング手法であるFDFOも発表し、生成モデル最適化の観点からこれらの機能の基盤となるサポートを提供しています。

ミネソタ大学ツインシティ校の研究チームは、水文学から直接着想を得たアルゴリズム構造を持つ、知識主導型の革新的な機械学習モデルを開発しました。このモデルは、因子化階層型ニューラルネットワーク（FHNN）と呼ばれています。研究によると、このモデルは予報発表後2～7日という期間において、米国気象局の洪水予報と同等、あるいはそれ以上の性能を発揮し、物理科学の知識を構造に組み込んでいない主流の機械学習手法を凌駕することが示されています。

NVIDIA、オックスフォード大学、ケベック人工知能研究所などの研究機関からなる共同研究チームは、生成手法と錯覚手法の間のギャップを埋めることを目的としたProteína-Complexaフレームワークを提案した。このフレームワークは、基本的な生成モデルと推論時の最適化メカニズムを同一システムに統合することで、追加の配列再設計ステップを必要とせずに最適なde novoバインダー設計を可能にする。

開発者がOpenClawの機能を実際のアプリケーションで体験できるように、HyperAIは「🦞 OpenClaw: Free-CPU経由でAPIを使用して実行する」と「🦞 OpenClaw GPU実行チュートリアル」を公開し、OpenClawをさまざまなソーシャルアプリケーションに統合して、幅広い自動化タスクを実現しています。

LLM Courseと呼ばれるオープンソースプロジェクトは、リリース以来大きな注目を集めており、現在までに77,000個のスターを獲得しています。このプロジェクトは、論文、ブログ、コーディングの実践例などに散在する知識を、明確に構造化され、明確に定義された学習システムに再編成しています。HyperAIは、LLM Courseのノートブックデモ部分を「チュートリアル」セクションにアップロードしており、すべての実行環境が完全に設定済みで、すぐに使用できます。

Google Researchは、オープンソースの洪水データセット「Groundsource」を公開しました。これは、非構造化データから検証済みの地表情報を抽出し、過去の災害の痕跡をかつてない精度でマッピングするものです。研究者たちは、150カ国以上から寄せられた500万件を超えるニュース記事の処理を自動化し、最終的に260万件を超える過去の洪水記録を収集しました。これにより、世界の洪水研究にとって前例のない規模と網羅性を持つデータが得られました。

ジェンセン・フアン氏はGTC 2026で情熱的な2時間のプレゼンテーションを行い、一連の新製品とオープンソースの成果を発表した。

カーネギーメロン大学、ポーランドのヴロツワフ大学、フロリダ大学の共同研究チームは、AQuaRefと呼ばれるAI駆動型量子精密化手法を提案した。この手法は、原子ポテンシャル関数の機械学習モデルであるAIMNet2に基づいており、精密化タスク向けにカスタマイズされている。ほぼ古典的な力場計算の効率性を維持しながら、量子力学的計算結果を適切に近似することができ、生体分子の全原子量子精密化のための新たな技術的道筋を提供する。

HyperAl は、3 月 9 日から 3 月 13 日にかけて、音声生成、テキストから画像への処理、大規模モデルなどの複数の分野を網羅した、非常に価値が高く、幅広く応用可能な一連のチュートリアルとデータセットをまとめました。

スタンフォード大学の研究チームは、腹部 CT スキャン用の最初のネイティブ 3D 視覚言語モデルである Merlin と、腹部 CT スキャンと放射線レポートのペア 25,494 枚を含むデータセットを提案しました。

香港中文大学は、マカオ理工大学、浙江大学、中南大学第二湘雅病院、中国電子科技大学と共同で、選択的融合モデリングパラダイムを提案しました。「化学変異は生物学的意味空間の局所的摂動である」という理解に基づき、局所的な化学変異をグローバルなタンパク質背景に注入するための汎用フレームワークであるBi-TEAMを設計しました。

HyperAIの「チュートリアル」セクションでは、Qwen、DeepSeek、Gemma、Llama、GLMといった人気のオープンソースモデルを空きCPUで実行するためのオンラインチュートリアルを公開しました。環境の準備、モデルのダウンロードから推論、実行まで、包括的な導入プロセスが提供されており、ユーザーは複雑なローカル環境を導入することなく、モデル推論の体験と基本的な開発テストを完了できます。

スイス連邦工科大学ローザンヌ校（EPFL）の研究者らは、線形運動量と角運動量の保存則をモデル構造に直接組み込むことで、これらの法則を明示的に保証する新しいモデルアーキテクチャ「DYNAMI-CAL GraphNet」を提案しました。実験結果は、ロボット工学、航空宇宙工学、材料科学など、複雑な多体系力学系の正確で解釈可能なリアルタイムモデリングが求められる分野において、DYNAMI-CAL GraphNetが大きな利点をもたらすことを実証しています。

HyperAIの製品エクスペリエンスとコア機能をさらに向上させるため、新たな社内テストを正式に開始します。厳選されたユーザーの皆様にプラットフォームの機能を体験いただき、製品の詳細を磨き上げるためのご協力をいただければ幸いです。💻 クラウドプラットフォームとGPUコンピューティングパワーを長期的に必要としている方、🙋‍♀️ 技術的なバックグラウンドをお持ちの方、ぜひご参加ください。[...]

「Qwen3-TTS：高品質で制御可能な多言語音声合成デモ」が、HyperAIウェブサイト（hyper.ai）の「チュートリアル」セクションで公開されました。3秒の音声クローンをぜひご体験ください！

フランスのテレコム・シュド・パリとパリ・サクレー大学の研究チームは、アンサンブル学習とSHAple Additive exPlanations（SHAP）分析を統合した機械学習フレームワークを提案し、HCC肝移植候補者の死亡リスクを評価するための新たなソリューションを提供している。

HyperAl は、音声生成、テキストから画像への処理、大規模モデルなどの複数の分野を網羅し、バージョン 3.2 から 3.6 までの非常に価値が高く、幅広く適用可能な一連のチュートリアルとデータセットをまとめています。

MITとETHチューリッヒの共同研究チームは、潜在変数最適化を通じて部分的に重複する潜在空間を学習するオートエンコーダであるAPOLLOと呼ばれる計算フレームワークを提案しました。APOLLOは、共通情報とモダリティ固有の情報を明示的にモデル化することで、細胞の状態とその制御ロジックをより包括的かつ正確に分析するための実現可能な技術的道筋を提供します。

MITの研究チームは、産業用宿主ピキア・パストリスにおけるコドン最適化を目的とした、深層学習ベースの言語モデル「Pichia-CLM」を提案しました。このモデルは、組換えタンパク質の収量向上を目的としています。研究者らは、複雑性の異なる6種類のタンパク質クラスを用いてPichia-CLMの実験的検証を行い、市販の4種類のコドン最適化ツールと比較して、一貫して高い発現収量が得られることを確認できました。

HyperAl は、2 月 22 日から 27 日にかけて、OCR、マルチモーダル、大規模言語モデルなどの複数の分野を網羅した、非常に価値が高く、幅広く適用可能な一連のチュートリアルとデータセットをまとめました。

フィンランドのヘルシンキ大学、地中海気候変動研究センター、イタリアのサレント大学からなる共同研究チームは、地域海洋予測に特化したグラフニューラルネットワークモデル「SeaCast」を開発しました。このモデルは、学習後、18の鉛直レベル、1/24°グリッドの15日間予測を、単一のGPUでわずか20秒で生成できます。これは、CPUクラスターで実行される物理ベースモデルよりも大幅に高速です。

コーネル大学の研究チームは、塩溶媒化学のモデル化と解釈のための、堅牢で解釈可能かつデータ効率の高いフレームワークSCANを開発しました。このフレームワークは、ロングテールデータを効果的に処理し、塩溶媒組成の全範囲を網羅します。研究者らはSCANを非水電解質（NAE）系に適用し、導電率予測におけるベースライン誤差を0.372 mS·cm⁻¹に抑え、ベースラインモデルと比較して予測誤差を65.31 TP³T削減しました。

ミシガン大学アナーバー校の宋子宇教授は、ファラシス・エナジーの研究開発担当副社長である江維然氏と共同で、「発見学習」と呼ばれる革新的な科学的機械学習手法を提唱しました。教育心理学に着想を得たこの手法は、能動学習、物理的制約学習、ゼロショット学習を有機的に統合し、人間のような閉ループ学習による推論フレームワークを構築します。

2025 年の AI 科学分野における最も注目すべき最先端論文の概要。