The evolution of AI from image interpretation toward scientific inference in nanoparticle electron microscopy

超高性能なカメラを想像してみてください。そのカメラは、ナノ粒子と呼ばれる極めて小さな物質の中に、原子が踊っている様子を個別に観察できるほど、驚異的なズーム機能を備えています。これらの粒子は、より優れたソーラーパネルから命を救う薬に至るまで、あらゆるものの背後にある「秘密の材料」です。しかし、ここには落とし穴があります。原子を観察することは、霧がかかり、揺れている窓越しに本を読もうとするようなものです。画像はぼやけ、粒子は溶けているように見え、さらに数が多すぎるため、人間が手作業で数えようとすれば一生がかかってしまいます。

ここでAI（人工知能）が登場します。この論文は、単にコンピュータに「より良く見る」方法を教えることについてではありません。コンピュータに「科学者のように考える」方法を教えることについての物語なのです。

「それは何か？」から「なぜそれが起きているのか？」へ

長い間、顕微鏡におけるAIは、非常に速く、非常に忠実なインターン（助手）のような存在でした。その主な仕事は、点を数え、それらに枠を描くことでした。もし100万個のナノ粒子の画像を見せれば、AIは「4,500個あり、そのほとんどは丸い形です」と答えることができました。これは検出とセグメンテーションと呼ばれます。論文では、この部分はすでに「成熟した」技術であり、非常にうまく機能していると述べています。それは、スーパーのレジで商品をスキャンする、非常に効率的な店員のようなものです。

しかし、論文は、単に数を数える段階を越える必要があると主張しています。私たちは、AIに「点の背後にあるストーリー」を理解させる必要があるのです。

「窓の霧」を取り除く魔法

原子を見る際の最大の悩みの一つは、写真撮影に使用される電子線が、デリケートな試料にダメージを与えてしまうことです。これを防ぐために、科学者は「低線量」の写真を撮影しますが、これらは非常に粒状でノイズが多く、まるで暗い部屋で手が震えている中で撮った写真のようです。

従来、科学者は数学的なフィルターを使ってこれらを綺麗にしてきましたが、それらのフィルターは、地図のシワを消してしまうように、重要な詳細まで滑らかにしてしまうことがよくありました。論文は、ディープラーニング（一種のAI）がゲームチェンジャーになりつつあると示唆しています。画像を単に滑らかにするのではなく、これらのAIモデルは物理学に基づいて、原子が「どう見えるべきか」を学習します。これらは画像を「霧を晴らす」ことができ、偽のディテールを作り出すことなく、原子格子（原子のグリッド）を明らかにすることができます。

ただし、著者たちはここで非常に慎重です。AIが完璧なコンピュータ・シミュレーションのみで学習した場合、実際の実験には存在しない特徴を「幻覚（ハルシネーション）」として作り出してしまう可能性があると警告しています。それは、レシピ本からしか料理を作らず、一度も実際に味を見たことがないシェフのようなものです。見た目は完璧でも、味がおかしい料理を作ってしまうかもしれません。論文は、最も良い結果は、シミュレーションが可能な限り現実的である場合に得られるが、その「クリーンな」画像が光のいたずらではないことを常にダブルチェックしなければならない、と示唆しています 있습니다。

2Dの影から3Dの形状を推測する

ここが難しい部分です。電子顕微鏡は、3Dオブジェクトの2D画像（平らな影）を撮影します。これは、壁に映った影を見るだけで、彫刻の形を推測しようとするようなものです。球体と平らな円盤は、全く同じ影を落とすことがあります。

論文は、AIがこのパズルを解くために使われていると説明しています。何百万ものコンピュータ生成された既知の3D形状の2Dの影を用いて学習することで、AIは隠された3D構造を推測することを学びます。それは、100万もの影を見てきた探偵が、それらの影を落としている物体を推測できるようになった状態に似ています。しかし、論文は正直に、これは「逆問題」であり、必ずしも唯一の正解があるわけではないという限界についても述べています。AIは形が立方体だと推測するかもしれませんが、実際にはピラミッドかもしれません。論文は、将来のシステムは単に一つの推測を与えるのではなく、「どの程度確信しているか」を私たちに伝える必要があると示唆しています。

スナップショットではなく、映画を見る

この論文で最もエキサイティングな部分は、in situ（その場）顕微鏡観察についてです。これは、ナノ粒子が反応したり、成長したり、溶けたりしている最中のビデオを撮影することです。これまでは、ビデオには何千ものフレームが含まれ、粒子が動くスピードが速すぎて人間が追跡できなかったため、分析することが不可能でした。

論文は、AIがいかにしてスローモーションで試合を見ているスポーツアナリストのように機能しているかを記述しています。AIは単に粒子の位置を追跡するだけでなく、粒子がどこへ向かっているかを予測し、移動速度を測定し、2つの粒子が合体（合体）したり、新しい結晶欠陥が現れたりする瞬間を特定します。場合によっては、AIがビデオのノースを浄化する能力があまりに高いため、以前は見ることができなかったミリ秒単位の動きまでも明らかにします。著者らは、これが顕微鏡を単なるカメラから「タイムマシン」へと変え、材料の「誕生」と「死」をリアルタイムで観察させてくれるのだと示唆しています。

未来：自動運転顕微鏡

論文は、AIが単に事後的にデータを分析するだけでなく、実験自体を運営するのを助ける未来へと向かっていると結論づけています。自動運転車のような、顕微鏡のための自動運転システムを想像してみてください。AIは、ぼやけた画像を見て、より良い角度が必要だと判断し、より鮮明な写真を得るために自動的にサンプルを動かすことができます。また、面白いものを見つけた場合には実験を停止し、新しいものが見られない場合には継続するという判断さえ下すことができます。

著者らは楽観的ですが、同時に慎重でもあります。彼らは、数を数えたり画像をクリーニングしたりするための素晴らしいツールは持っているものの、「なぜ」材料がそのように振る舞うのかを完全に理解するための大きな飛躍は、まだ進行中の課題であると述べています。私たちは「見る」ことから「知る」ことへの架け橋を築いており、AIはその建設作業員です。しかし、どんな建設プロジェクトとも同じように、設計図（物理学）が正しいことを確認しなければ、見た目は立派でも現実の重みに耐えられず崩壊してしまう橋を築くことになるかもしれません。

要約すると、AIは電子顕微鏡を、単に綺麗な写真を取る道具から、ナノスケールの世界の謎を解くためのパートナーへと変貌させています。しかし、それは私たちが注意深く見守り続けなければならないパートナーです。原子について、単にAIが「こうあるべきだ」と考えていることではなく、真実を語っているかどうかを確認しながら。