レンセーラー工科大学の研究チームは、タンパク質構造予測を担う主流AIツールが物理的・化学的に不可能な構造を出力する傾向にあることを明らかにした。この知見は米学術誌PNASに掲載され、科学探索プロセスにおけるAI活用の実態と限界を浮き彫りにした。現在の生成モデルは学習データの不確実性やアルゴリズムの制約により、実在し得ない分子配置や結合様式を生成するケースが確認されており、創薬や材料設計などAI応用が拡大する分野における研究の信頼性に懸念が広がっている。研究チームは、AIが生成したデータをそのまま実験や製品開発に反映させるのではなく、専門知識を持つ研究者による確認や、物理法則に基づくシミュレーション検証を必須化する必要性を強調している。AIツールの科学的応用においては、処理速度の向上よりも結果の化学的整合性と再現性を優先する運用体制の整備が不可欠である。今後は開発側と実験科学者の間で検証プロトコルを標準化し、誤った構造予測が実際の研究を誤導するリスクを体系的に低減させる取り組みが求められている。