Koji Tsuda 研究室
主宰者：Koji Tsuda
理化学研究所・RIKEN Center for Advanced Intelligence Project
AI 要約（直近 5 年の研究成果）
この研究室では、機械学習や人工知能を用いて、材料科学、化学、生物学の研究を加速させることを目指しています。具体的には、新しい物質や分子の設計・探索に取り組んでいます。結晶構造の予測、薬物分子の生成、タンパク質構造の推定、ポリマー複合材料の最適化など、多岐にわたる対象を扱っており、計算化学、深層学習、機械学習などの手法を組み合わせることで、実験を効率的に進める方法を開発しています。
研究の特徴は、単なるコンピュータ予測に留まらず、実験機器の自動制御システム（自動運転研究室）との連携を推し進めている点です。液体ハンドラーなどの既存の実験装置をAIと組み込み、ベイズ最適化などの数学的最適化手法を用いて、実験パラメータや分子設計を自動で改善していきます。また、データベースの構築や解釈可能な機械学習モデルの開発を通じて、得られた予測結果の信頼性や理解可能性を高める工夫もしています。
このように、理論計算と実験を融合させ、データ駆動型のアプローチで科学研究を高速化する取り組みが、この研究室の中核をなしています。
※ AI（Claude）が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。
外部リンク
関連研究室(8 件)
- 生化学・分子生物学・遺伝学Masakazu Toi 研究室京都大学論文 100 件·共通: OS, 情報工学, 計算機科学, システム +4
- 神経科学Atsushi Kumanogoh 研究室大阪大学論文 100 件·共通: RNA, 生物学, 分子・細胞, 分子 +4
- 免疫学・微生物学Masao Matsuoka 研究室京都大学論文 78 件·共通: RNA, 生物学, 分子・細胞, 分子 +4
- 生化学・分子生物学・遺伝学Hideyoshi Harashima 研究室北海道大学論文 74 件·共通: 生物学, 分子・細胞, 分子, RNA +4
- 神経科学Kohji Fukunaga 研究室東北大学論文 69 件·共通: RNA, 生物学, 分子・細胞, 分子 +4
- 神経科学Yasuo Mori 研究室九州大学論文 68 件·共通: 情報工学, OS, 計算機科学, システム +4
- 生化学・分子生物学・遺伝学Hiroshi Hirata 研究室北海道大学論文 57 件·共通: OS, 情報工学, 計算機科学, システム +4
- 生化学・分子生物学・遺伝学Kohei Miyazono 研究室東京大学論文 31 件·共通: 生物学, 分子・細胞, 分子, RNA +4
研究成果（78 件）
- DOI: https://doi.org/10.1016/j.xcrp.2026.103174
- DOI: https://doi.org/10.1002/jcc.70017
- DOI: https://doi.org/10.1039/d4dd00387j
- DOI: https://doi.org/10.1039/d4mh01606h
- DOI: https://doi.org/10.1038/s42005-025-02380-y
- DOI: https://doi.org/10.1088/2632-2153/ae20ec
- DOI: https://doi.org/10.26434/chemrxiv-2025-0vv7g
- DOI: https://doi.org/10.1093/bioinformatics/btaf586
- DOI: https://doi.org/10.1080/27660400.2025.2565144
- [2025] Harnessing Explainable AI to Explore Structure–Activity Relationships in Artificial OlfactionDOI: https://doi.org/10.1021/acsami.5c13990
続きを表示（残り 68 件）閉じる
- DOI: https://doi.org/10.1021/acs.jctc.5c00466
- [2025] GPepT: A Foundation Language Model for Peptidomimetics Incorporating Noncanonical Amino AcidsDOI: https://doi.org/10.1021/acsmedchemlett.5c00375
- DOI: https://doi.org/10.1093/neuonc/noaf129
- DOI: https://doi.org/10.1016/j.jbiosc.2025.05.004
- DOI: https://doi.org/10.1038/s41524-025-01657-8
- DOI: https://doi.org/10.1080/27660400.2025.2506976
- [2025] Determination of Stable Proton Configurations by Black-Box Optimization Using an Ising MachineDOI: https://doi.org/10.1021/acs.jpcc.4c07104
- DOI: https://doi.org/10.1021/acs.jctc.5c00175
- DOI: https://doi.org/10.1002/jcc.27478
- DOI: https://doi.org/10.1039/d3dd00215b
- DOI: https://doi.org/10.1038/s41598-023-51095-z
- DOI: https://doi.org/10.1021/acs.jpcc.3c06798
- DOI: https://doi.org/10.1016/j.isci.2024.111526
- DOI: https://doi.org/10.1103/physrevresearch.6.043050
- DOI: https://doi.org/10.1038/s41589-024-01682-6
- DOI: https://doi.org/10.1039/d3dd00213f
- [2023] Towards understanding structure–property relations in materials with interpretable deep learningDOI: https://doi.org/10.1038/s41524-023-01163-9
- DOI: https://doi.org/10.1016/j.patter.2023.100890
- DOI: https://doi.org/10.1016/j.patter.2023.100846
- DOI: https://doi.org/10.1021/acs.jctc.3c00764
- DOI: https://doi.org/10.1103/physrevmaterials.7.093804
- DOI: https://doi.org/10.1038/s41598-023-41562-y
- [2023] Interpretable Fragment‐Based Molecule Design with Self‐Learning Entropic Population AnnealingDOI: https://doi.org/10.1002/aisy.202300189
- DOI: https://doi.org/10.1002/wcms.1680
- DOI: https://doi.org/10.1080/27660400.2023.2232297
- DOI: https://doi.org/10.1021/acsmedchemlett.2c00487
- DOI: https://doi.org/10.1021/acs.jcim.2c01623
- DOI: https://doi.org/10.1527/tjsai.38-2_e-m93
- DOI: https://doi.org/10.1016/j.patcog.2023.109351
- DOI: https://doi.org/10.1021/acs.jctc.2c01061
- DOI: https://doi.org/10.1080/19420862.2023.2168470
- DOI: https://doi.org/10.1039/d3dd00047h
- DOI: https://doi.org/10.1039/d2dd00093h
- DOI: https://doi.org/10.1021/acs.oprd.2c00254
- DOI: https://doi.org/10.1021/acs.jcim.2c00812
- DOI: https://doi.org/10.1038/s41598-022-17716-9
- DOI: https://doi.org/10.1063/5.0076749
- DOI: https://doi.org/10.1080/27660400.2022.2146470
- DOI: https://doi.org/10.1039/d2cp01079h
- DOI: https://doi.org/10.1039/d1dd00043h
- [2022] Effects of data bias on machine-learning–based material discovery using experimental property dataDOI: https://doi.org/10.1080/27660400.2022.2109447
- DOI: https://doi.org/10.1609/aaai.v36i9.21238
- DOI: https://doi.org/10.1007/978-1-0716-2609-2_6
- DOI: https://doi.org/10.1016/j.cpc.2022.108405
- DOI: https://doi.org/10.1080/14686996.2022.2075240
- DOI: https://doi.org/10.1103/physrevresearch.4.023062
- [2022] Hybrid algorithm of Bayesian optimization and evolutionary algorithm in crystal structure predictionDOI: https://doi.org/10.1080/27660400.2022.2055987
- DOI: https://doi.org/10.1126/sciadv.abj3906
- DOI: https://doi.org/10.5281/zenodo.6321866
- DOI: https://doi.org/10.5281/zenodo.6318719
- DOI: https://doi.org/10.3390/molecules27030799
- DOI: https://doi.org/10.1088/1361-648x/abe474
- DOI: https://doi.org/10.1038/s41598-020-80001-0
- DOI: https://doi.org/10.1080/27660400.2021.1943171
- DOI: https://doi.org/10.2142/biophys.61.177
- DOI: https://doi.org/10.2197/ipsjtbio.14.1
- DOI: https://doi.org/10.1186/s13321-021-00566-4
- DOI: https://doi.org/10.1021/acsmedchemlett.1c00439
- DOI: https://doi.org/10.1021/acscatal.1c03753
- DOI: https://doi.org/10.1021/acs.jctc.1c00301
- DOI: https://doi.org/10.1038/s41598-021-91210-6
- DOI: https://doi.org/10.1063/5.0051902
- DOI: https://doi.org/10.1021/acsami.1c04583
- DOI: https://doi.org/10.1038/s41598-021-90245-z
- DOI: https://doi.org/10.1016/j.stemcr.2021.02.012
- DOI: https://doi.org/10.1021/acs.accounts.0c00713
- DOI: https://doi.org/10.1016/j.bpj.2020.11.733
科研費（0 件）
まだデータがありません（KAKEN 取り込み後に表示）。
所属学会・役職（0 件）
まだデータがありません（学会データ連携後に表示）。