ファームAIラボ

PyMC入門｜AI創薬の予測不確実性をベイズ回帰で定量化する確率的プログラミング

1. はじめに：AI創薬で「予測の確からしさ」を扱う AI創薬で扱う予測モデルは、活性値・ADMET特性・結合親和性などを数値で返してくれます。しかし、研究現場で本当に必要なのは「予測値そのもの」だけではなく、「その予測 […]

はじめに：Claude Codeへの指示は「作業依頼書」第6回までで、フォルダ・ターミナル・Gitの基礎（第4回）、権限管理（第5回）、データ保護（第6回）という「事前準備と安全」の土台が整いました。第7回からは第3章

この記事は、薬学部で長年教えた元大学教授の視点で、国試の問題が解けない理由を読者ごとに異なる階層構造（大学薬剤学・高校化学／生物・中学理科）で捉え直すアプローチです。製剤設計シリーズ第2弾として、第9号（問281 アルプ

1. はじめに：実験設計をAIで支援する時代へ創薬研究では、1回の合成や活性評価に時間とコストがかかるため、限られた試行で最大の情報を得る「実験設計」の質が成果を左右します。条件パラメータが増えると全数探索は現実的では

はじめに：権限の枠組みの次は「何を渡さないか」第5回では、Claude Codeの権限モードとsettings.jsonを使って、AIにどこまで操作を許すかを設計する枠組みを整理しました。第6回となる本記事は、第2章（

この記事は、薬学部で長年教えた元大学教授の視点で、国試の問題が解けない理由を読者ごとに異なる階層構造（大学製剤設計学・高校化学・中学理科）で捉え直すアプローチです。製剤設計シリーズ第1弾として、薬物動態シリーズ（第3〜8

1. はじめに：勾配が取れない場面で活きる「もう一つの最適化」 AI創薬の機械学習モデルでは、勾配（パラメータに対する損失の傾き）を計算してパラメータを更新する勾配降下法が中心的な役割を担います。しかし、分子設計やシミュ

1. はじめに：評価コストの高い創薬実験に向き合う創薬研究の現場では、合成や活性評価といった1回1回の実験コストが高く、評価できる候補化合物の数には常に上限がつきまといます。膨大な化学空間から「次に何を作るか」を決める

1. はじめに：2026年、医療DXに「Anthropic製AI」の選択肢が加わる 2026年の医療DXは、複数のAIベンダーが医療機関・製薬企業・支払者向けに専用ソリューションを提供する競争段階に入っています。Anth

1. はじめに：Anthropicが投入した「Mythosクラス」モデル 2026年6月9日、Anthropic社は新たな最先端モデル「Claude Fable 5」と「Claude Mythos 5」を同時公開しました