ファームAIラボ

Nevergrad入門｜AI創薬の多目的最適化を支援するMeta製の勾配不要OSS

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

1. はじめに：AI創薬のモデル構築でつまずく「ハイパーパラメータ」 AI創薬の現場では、QSAR（化学構造と生物活性の定量的関係）モデルやADMET予測モデル、生成AIによる分子設計モデルなど、機械学習・深層学習を活用

1. はじめに：便利な道具ほど「どこまで任せるか」が問われる第4回までで、Claude Codeを使い始めるためのフォルダ、ターミナル、Gitという土台を整えました。第5回となる本記事は、第2章（事前準備と安全）の真ん

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（大学薬学・高校生物/数学・中学理科）で捉え直すアプローチです。第7号（問175）で築いた「PKパラメータの式の構造視点

1. はじめに：カテゴリ変数をそのまま扱えるGBDT「CatBoost」これまでの記事では、記述子QSAR（分子の構造を数値化して活性を予測する手法）の定番としてXGBoost、大規模データに強い高速実装としてLigh

1. はじめに：2026年、介護DXは「生存戦略」になった日本の介護業界は、2026年に大きな転換期を迎えています。超高齢社会の進展と深刻な人手不足という二重の課題に直面するなか、厚生労働省は「介護DX（デジタル・トラ

1. はじめに：高速GBDT「LightGBM」がAI創薬で広がる理由前回の記事では、記述子QSAR（分子の構造を数値化して活性を予測する手法）の定番モデルとしてXGBoostを取り上げました。今回はその「もう一つの有