21世紀の科学が直面する最大の課題の一つは、科学的発見そのものの自動化です。この壮大な目標を達成するための最も有望なアプローチこそが、AI（人工知能）とロボット工学を組み合わせることによって、計算と実験の「閉じたループ」経験とスキルに依存し、最適条件の確立に何年もかかっていた 再生医療分野において、いかに強力な効果を発揮するかを理化学研究所，バイオコンピューティング研究チームの高橋恒一博士が実証しました（2022年５月）。

このエンジンの中核にあるのは、「再現性の高い物理操作を行うロボット」と「知的な探索を担うAI」の融合です。

職人技の定量化：ロボットの役割

iPS細胞から網膜色素上皮細胞（iPSC-RPE細胞）を誘導分化させるプロセスは、移植に利用可能となるまでに何週間または何ヶ月もかかる数百の実験手順を必要とします。このプロセスにおいて、手動操作は、ピペッティングの強さやプレートを扱う際の振動といった物理的パラメータが結果に大きく影響を与える非常にデリケートな手順です。熟練者の「暗黙知」に依存していたこれらの操作を、汎用性の高いヒューマノイドロボットであるLabDroidが代替しました。ロボットアームは、人間の手とは異なり、これらの物理的パラメータすべてを一定に保ち、同じ手順を高い精度で繰り返し実行できます。これにより、実験手順の理想的なパラメータ化が実現し、再現性の保証が可能となります。

知的探索の加速：AIの役割

しかし、操作を再現できるだけでは不十分です。最適な培養条件の探索空間は、試薬濃度、添加期間、さらにはロボットの操作強度（DSやDPなど7つのパラメータ）の組み合わせによって、約2億通りにも及びます。このような高次元でコストのかかるブラックボックス最適化問題を、人間が試行錯誤で探索するには膨大な時間が必要です。

ここでエンジンの知性、バッチベイズ最適化（BBO）アルゴリズムがその威力を発揮します。このAIシステムは、実験結果（色素沈着スコア）を自律的に評価し、過去のデータから計算された取得関数（Acquisition function）に基づいて、次に実験すべき最も効率的な48通りのパラメータの組み合わせを計画します。BBOは、系統的かつ偏りのない探索を劇的に加速させ、結果として、40日間の培養実験216回分に相当する総実験時間8640日を必要とする探索時間を、わずか185日に圧縮しました。

革命的な成果

この自律的な探索の結果、最適化前の培養条件と比較して、細胞製品の品質を示す色素沈着スコアが88%向上しました。この成果は、AIとロボット工学の組み合わせが、単なるラボの自動化を超え、人間の能力と経験によって制限されていた科学のボトルネックを解消し、知識生成と発見を加速させる自律的な「エンジン」として機能することを明確に示しています。

科学的発見のエンジンは、「高精度の実行（ロボット）」と「効率的な学習と計画（AI）」のクローズドループによって、生命科学における最も困難な最適化問題を解決し、再生医療研究アプリケーションの使用基準を満たす高品質な細胞製品を迅速に提供する新しいパラダイムを提示したのです。