DARWIN Series: Domain Specific Large Language Models for Natural Science

DARWIN Series: Domain Specific Large Language Models for Natural Science

**1. 本研究の学術的背景，研究課題の核心をなす学術的「問い」は？**
本研究の背景としては、人工知能（AI）により自然科学の実験プロセスが自動化され、伝統的な手作業、連続作業、労働集約的な作業が効率化されているという状況が込めれられています。学術的「問い」としては、「自然科学、特に物理学・化学・材料科学分野でLLMを応用して研究プロセスをどの程度自動化・効率化できるのか？」という課題が挙げられます。

**2. 本研究の目的及び学術的独自性と創造性は？**
本研究の目的は、DARWINという自然科学に特化したLLMのシリーズを開発し、それを用いて科学的なタスクを効率化・自動化することです。これまでの手作業や専門的な知識グラフが必要だった作業を、LLMによる指示生成モデルを用いて自動化する点に、学術的独自性と創造性があります。

**3. 本研究の着想に至った経緯や、関連する国内外の研究動向と本研究の位置づけは？**
AIや大量の科学的知識データを利用することで、時間と労力を要する実験手順の自動化が可能となってきた昨今の研究動向を受け、DARWINシリーズの開発が構想されました。また、公共データセットと文献から得た科学的知識を組み合わせることで、AIによる実験手順の自動化を効率的に実現する本研究は、自然科学とAIの統合を追求する研究の一環として位置づけられます。

**4. 本研究で何をどのように、どこまで明らかにした？**
本研究で開発されたDARWINシリーズは、科学的指示生成（SIG）モデルを介して、科学テキストからの指示生成を自動化し、手作業での抽出や専門的な知識グラフを必要としない方法を明らかにしました。さらに、科学的タスク間の相互関係を明らかにするマルチタスクトレーニング戦略も探求され、これによりDARWINシリーズはさまざまな科学的タスクに対して最先端の結果を達成しました。

**5. 本研究の有効性はどのように検証した？**
DARWINシリーズは、様々な科学的タスクにおいて最先端の結果を達成し、クローズドソースのAIモデルに依存することなく結果を出したことで、その効果性を検証しました。