研究向けローカルLaTeX環境「Lattice」登場 Overleaf同期やClaude Code連携に対応
研究者向けローカルLaTeXワークスペース「Lattice」が公開された。文献管理やPDFプレビューを統合し、Overleafとの双方向同期に対応する。さらにClaude Codeなどのエージェントと直接連携し、コンパイルエラーの修正や論文推敲を1つの画面で完結できる。
研究
注目のAI論文、新しいベンチマークや手法、そして生物学・医療・材料などの科学研究でAIが生んだ成果。
Anthropic解説：AIが科学モデリングの手法をどう変えるか
Anthropicが科学ブログを公開し、AIが科学モデリングをどう変えつつあるかを解説しました。研究者が手作業で行っていた競合モデルの作成や検証を、AIがコードとして記述・実行・修正し、データに合致する仮説を効率的に探索します。
OpenAIが「BioBasicsBench」公開：ウェットラボの日常業務をAIで評価
OpenAIはバイオ企業Ligoと共同で、ウェットラボの日常業務100タスクでAIエージェントを評価する「BioBasicsBench」を発表した。生画像や顕微鏡データを用いた最高推論設定で、GPT-6 Astraは66.7%を記録しGPT-5.6 Solを大きく上回った。ただし対照実験の確認やコロニー計測には依然として課題が残る。
PSI、未公開のAnthropicモデルを用いて量子計算の未解決予想を証明
Physical Superintelligence（PSI）は、未公開のAnthropicモデルと定理証明支援系Leanを用いた独自研究システムにより、2008年から未解決だった「アーロンソン・アンバイニス予想」を3日で証明したと発表した。量子コンピュータが無作為なランダムデータに対して指数関数的な高速化を達成できないことが数学的に確定し、量子優位性の明確な限界が示された。
AnthropicがClaudeを「EVE Online」に投入：市場取引で資金6倍も、チーム内のスパイは見抜けず
AnthropicはClaudeモデル群にMMORPG「EVE Online」などをプレイさせた実験結果を発表した。Fable 5などの最新モデルはスプレッド取引を自動化し資金を最大600%に増やした一方、4体の協力任務では妨害工作を行う裏切り者をほぼ検出できなかった。AIの資産運用能力と、複数AI連携における安全性の課題を浮き彫りにしている。
Anthropic、Claudeの記憶機構を発表：睡眠時の「夢」のように過去ログを整理
Anthropic は、AI エージェントがタスク間の空き時間に過去のログを振り返り、誤った記憶の修正や知識の整理を行う「ドリーミング」機構を発表しました。人間の睡眠時の記憶定着に着想を得たもので、全履歴を抱え込まず、何が重要かを自律的に見極めて長期記憶へ昇華させます。
Anthropic助成の研究者、AIによる「真の科学モデリング」の道筋を提示
Anthropicの助成を受けるテュービンゲン大学などの研究陣が、AIを用いた科学モデリングに関する解説を公開した。単にデータを曲線あてはめするのではなく、シミュレーション推論を用いて妥当なモデル分布を探索すべきだと主張。AIをブラックボックス計算機から本質的な洞察を導くパートナーへと進化させる狙いだ。
Runway、570億引数のリアルタイム動画モデルを4台のH100で動作可能に
Runwayは対話アバター向け57B動画モデルの推論最適化手法を発表し、必要GPUをH100 8台から4台に半減させた。キャッシュ書き込み時のFP8量子化や通信カーネル融合により、1ステップ147.4msで24fpsのリアルタイム生成を維持。高負荷なリアルタイム動画の運用コスト大幅削減に道を開いた。
Anthropic、未解明の巨大タンパク質複合体「Vault」の3D構造をClaudeで初解明
Anthropicの生物学研究チームは、機能が長年未解明だった細胞小器官「Vault（ヴォールト）」に類似する原核生物の3D構造を、Claudeの全面的な支援によって初めて解明しました。Claudeは配列検索からDNA設計、クライオ電子顕微鏡データの解析まで担い、通常数週間かかるモデリングを34時間に短縮。AIが基礎科学研究を加速させる実例を示しました。
MIT、AIが追加学習なしで他モデルの重みを直接書き換える研究を発表
MITの研究チームは、OpenAIのGPT-6 Astraが追加学習を経ずに他の小規模AIの重みを直接読み書きして性能を改善できることを示した。Qwenの重みのわずか0.016%を修正して推論ループを取り除き、数学スコアを7.9%から48.1%へと大幅改善させた。AIが自らの構造を直接改変する新たな可能性を示唆している。
DeepPrincipleが7530億パラメータの科学特化モデル「Hydrogen-1.0」をオープン公開
DeepPrincipleは化学・材料・生命科学に特化した7530億パラメータのオープンモデル「Hydrogen-1.0」を公開した。GLM-5.3を基盤に実際の実験軌跡で追加学習され、シミュレーションコードの自己修復やNMRスペクトル解析、ロボット実験プロトコルの生成が可能。一部タスクでGPT-6-Astraを上回る成果を示している。
「重み空間プログラミング」：GPT-6 Astra が再学習なしでモデルの重みを直接書き換え
研究チームが発表した「重み空間プログラミング」により、GPT-6 Astra が勾配降下法を使わずにニューラルネットワークの重みを直接読み書きできることが示されました。Qwen3.5-0.8B の重みをわずか 0.016% 修正しただけでループ問題を解消し、数学ベンチマークのスコアを 7.9% から 48.1% に向上させています。ただし、この手法はツールの補助に依存しており、汎用的な性能強化策ではない点に注意が必要です。
Anthropic、推論の暗号学的証明システム「FlashProve」をオープンソース公開
Anthropic は、AI の回答が指定したモデルから生成されたかを zkSNARK で検証できる「FlashProve」をオープンソース公開した。モデルの重みを隠したまま、単一の H100 GPU で 400B 規模の Llama 4 Maverick に対して毎秒 110 トークンの証明を生成できる。通常の推論より 70〜95 倍遅いものの、一般的な CPU 上で数秒で検証でき、モデルのすり替えや出力改ざんの防止に役立つ。
Googleの衛星が軌道上から初のAI応答を受信、TPUで俳句を生成
Googleは「Project Suncatcher」の試作衛星に搭載したデータセンター級TPUでGemma 4モデルを稼働させ、軌道上から初のAI応答を受信したと発表した。ノルウェー地上局の通過時に宇宙を詠んだ俳句を生成・送信した。今後は放射線や熱耐性をテストし、2027年の2機連携を目指す。
Anthropic、1人バイオ企業を買収 Claude活用で自社創薬へ本格参入
Anthropicは創薬分野での成果を公表し、1人創業のバイオ企業Mithril Medicineを買収して自社創薬に着手したと明かした。Claudeの支援により18カ月で筋ジストロフィー候補薬のマウス実験を終え、2028年末の人体治験を目指す。3カ月要した規制申請書の作成を4時間に縮める成果も示した一方、収益化の不確実性も警告している。
Cortical Labsが生体コンピュータ15台を接続、ヒト神経細胞がAIを凌駕
Cortical Labsは生きたヒト神経細胞を搭載した生体コンピュータ「CL1」15台を連携させるシステム「HIVE」を発表した。仮想ナビゲーション試験では従来の深層Q学習（32%）を大きく超える約70%のスコアを記録。細胞同士の協調により生体特有の性能ムラを克服し、実用的なウェットウェア計算の道を開いた。
OpenAIの未公開AIが科学的快挙、ETH仮説を反駁しミレニアム懸賞問題にも前進
OpenAIは未公開モデルが数学、計算複雑性理論、物理学の3分野で重要発見を達成したと発表した。数十年間信じられてきた指数時間仮説（ETH）の反駁や、ヤン・ミルズ理論の存在証明などが含まれる。成果はLeanで形式検証され、ノーベル賞受賞者を含む外部の研究者グループ主導で公開検証が進められる。
検索器を使わない「DecisionRAG」登場、268万件の文書から最速0.7秒で特定
研究チームが、従来のベクトル検索やテキスト生成を排した「DecisionRAG」を発表した。図書館で本を探すように階層構造をたどり、1回の計算で候補をまとめて評価して絞り込む。268万件のWikipedia文書を0.7〜1.8秒で検索でき、検索と再ランク付けを組み合わせた手法を有意に上回る精度を達成した。
マイクロソフト、医師を上回る診断AI「MAI-DxO」発表 正答率83%で検査コストも半減
Microsoftは『Science』誌にて、複数の仮想医師による議論を模倣した診断AI「MAI-DxO」を発表した。『ニューイングランド・ジャーナル・オブ・メディシン』の難症例で83%の診断精度を達成し、資料を参照した医師（36%）を大幅に上回った。不要な検査を省いてコストを半分以下に抑えられるのが強みで、今後はボストンの医療機関で臨床試験を予定している。
HiP3R、階層型ポーズグラフで長尺動画から一貫した3D大空間を再構築
長尺動画向け3D再構築手法「HiP3R」が発表された。階層型ポーズグラフを用い、動画チャンク単位の位置合わせ後にフレームごとのカメラ姿勢を最適化することで、映像のズレや蓄積誤差を解消する。基盤モデルの再学習なしで既存手法にそのまま組み込めるのが強みだ。