今日、世界のリチウムイオン電池のうちリサイクルされているのはわずか5％と考えられており、今後予測されている800万トンの廃棄物は、環境と経済に多大な影響を及ぼすことが推測されます。 リサイクルには、経済的なものから政策立案まで多岐にわたる課題がありますが、本ホワイトペーパーでは、この大きなチャンスを取り巻く科学的な課題と新たな研究環境について深く掘り下げます。
新しい視点を獲得して、受信トレイに直接送信することで、より迅速に作業を進めることができます。
新しい視点を獲得して、受信トレイに直接送信することで、より迅速に作業を進めることができます。
世界の化石燃料の約10%がプラスチックの生産に消費されているため、化石燃料を原料とするプラスチックに代わる、実現可能な代替品を生み出すことが、過去20年の重要な目標でした。 再生可能なバイオマス資源より得られるバイオベースポリマーは、理想的な代替品として幅広く注目されてきました。 これらのポリマーは、石油由来のプラスチックに代わる有望そしてサステナブルな代替品としてのバイオプラスチックを作るために使用されてきており、外国産の石油に大きく依存している国にも利益をもたらす可能性を秘めています。
ChemRxivに掲載された本ジャーナル原稿では、3種類のバイオベースポリマーと、その長所と短所、最新の研究動向、ならびにこの分野の研究トレンドについて詳しく解説します。 バイオプラスチックは、誤った情報に基づいて懐疑的な見方をされることが多いため、この記事では、バイオプラスチックの誤解を解き、そして持続可能性の実現のためのバイオベースポリマーの重要性について認知度を高めることを目的としています。
合成プランニングアプリケーションを支える機械学習モデルは、トレーニング段階で認識した化学物質に大きく制限されており、化学の下位領域に入力された情報が少ないため、その予測の精度と多様性が往々にして低下します。 トレーニングを行ったモデルの性能に、さまざまなデータセットがどのような影響を与えるかを測定することで、合成計画ソリューションの予想対応範囲と新規性に関してより確固たる判断を下せるようになり、また従来は困難だった科学分野に対する可能性を広げるデータセットを設計できるようになります。
このバイエル社の科学者による研究では、CAS コンテンツコレクションから科学者が収集した反応情報が、合成プランニングモデルの予測能力に対していかに多大な影響があるかを明らかにしています。 希少な反応クラスにおける結果の予測精度は大きく（32%）向上しており、新しい有用な化学反応への理解を深めることに寄与しています。
困難な科学分野の可能性を広げるには、CAS Insights Reportをご活用ください。または、専用データセットの設計には、Custom Servicesチームにお問い合わせください。
本CAS Insights Reportはバイエル社の科学者の皆様との協力のもと公開されています。
著者：
本CASホワイトペーパーでは、新たな科学分野に対する独自の洞察を得るために、CAS コンテンツコレクション™に見られる各種の生体直交反応、応用およびトレンドを取り上げます。 生体直交化学は、生物学的システムの構造と機能をより深く理解することを可能にします。そして将来的に、創薬、薬物送達および画像撮影への応用が最適化される可能性を示唆しています。
世界のプラスチック生産の90%以上が化石燃料を必要としている状況の中で、再生可能な資源から作られるバイオベースポリマーは、従来のプラスチックに比べてCO2排出量の削減、生分解性の向上、化石燃料依存度の低減など、大きな利点があります。 本ホワイトペーパーでは、この新しい分野における状勢を解説します。
特許出願件数と特許の複雑さが急増している中、グローバルな特許システムの持続可能性は圧力にさらされています。 現在急成長を遂げている国では、その結果発生する出願件数と処理能力のギャップにより、場合によっては数年もの遅延が特許審査で発生しています。そのため、特許品質が脅かされているほか、イノベーションと投資のペースが落ちてしまう恐れがあります。
本ホワイトペーパーでは、世界中の特許庁が持続可能性を確保し、そして将来の成長を計画しようとする中、そこにはどんな課題が立ちはだかるのか、またどんな機会が創出されるのかなどを考察します。特に、AIを活用したワークフローソリューションによって生産性を向上させることに焦点を当てます。 CASとブラジル国立工業所有権機関（INPI）との提携から得られた洞察と経験なども紹介します。そこでは、申請のバックログに対処し、そして審査のワークフローの効率を向上させることで、以下のように運用を大幅に改善させることに成功しています。
2050年まで炭素排出量ゼロを目指す「Race to Zero」が広く報じられている状況で、 炭素の回収・貯留・削減と、気候変動への対処は、これからの世代に重大な影響を与える科学の新分野として注目されています。 本ホワイトペーパーでは、この新しい研究の状勢を、ユニークな洞察や将来の可能性などと共に解説します。
標的タンパク質分解は、新規に登場した、そして急速に広がりつつある創薬戦略です。 これは疾患を引き起こすタンパク質を利用して重症疾患を攻撃する新しい方法で、がんや神経変性疾患と言ったより深刻な疾患で利用できる可能性を秘めています。
米国化学会によるこの研究論文は、CAS コンテンツコレクションとタンパク質分解酵素に関する最近の研究を活用し、新薬発見のツールとしての分子接着剤についてより詳しい洞察を提供するものです。 さらなる研究に役立てるための参考資料として、分子性接着剤のメリットとデメリットの分析を行っています。
この20年間で、人工知能（AI）、特に機械学習の進歩は、科学研究に対するアプローチの方法を大きく変革しました。 ゲノム配列のマッピングから、新しい抗生物質の発見、気候変動が地球に及ぼす影響のモデル化、さらには地球に似た惑星を探す銀河系マッピングに至るまで、AIはさまざまな分野の研究を一新しています。
化学も、AI導入で大きく飛躍している科学の分野のひとつです。 弊社の最新ホワイトペーパー『化学における人工知能 - 現在の展望状況と今後の機会』では、AIと化学の関連性について、独自技術を使って出版と特許の状勢を考察しました。 そしてAIを先導している化学の分野、あるいは今後AI技術を採用することで飛躍的な発展の可能性を秘めている分野はどれなのか、などを明らかにしました。
AIに関わる化学の論文や特許は爆発的に増えており、2015年から2020年までの間に6倍に増加しています。 私どもは、主にどの分野でAI関連の論文や特許が多いのかを特定しました。そして、それらを比較することにより、この新しい技術が活用されている分野を把握することができました。 その結果、AI導入が進んでいる分野は、分析化学、生化学、工業化学・化学工学などでした。一方、AIを導入する機会がある分野には、天然物および有機化学などが挙げられます（図1）。
2000年から2020年にかけて、AIの利用が研究者の問題解決にどのように役立ったかを理解するために、これらの論文と特許の関係を調べました（図2）。 例えば、2000年代初頭から2014年にかけては、AIの論文や特許の焦点は、ヒトにおける疾病診断の探求から、遺伝的アルゴリズムそしてそれを創薬やマイクロRNAに応用することに移っていきました。
最近では、解決すべき問題の種類の変化に伴い、論文や特許もDNAメチル化、およびがん症へとシフトしています。 さらに最近では、COVID-19に関連した創薬に注目が集まっています。
また予想通り、分析したAIの論文や特許の中では、低分子化合物が最も注目されていることがわかりました。 これには創薬、逆合成、反応最適化など、一般的に製薬会社による投資が多い分野が反映されています。
7万件以上の論文の分析では、第一研究分野と第二研究分野に注目し、学際的な貢献について調査しました（図3）。 これにより、各分野をヒートマップ上にプロットしました。色の濃さが各分野の貢献度の強さを表しています。 化学の分野内でAIを先導している分野と未開拓の分野が一目瞭然です。
例えば、分析化学や生化学では学際的な論文がより一般的になっています。これは、機械学習アルゴリズムがタンパク質、ペプチド、脂質、核酸の分析の向上をはじめ、化学反応の予測にも活用されていること、さらには新しい分子の発見にまで利用されているためです。 材料科学や物理化学の分野でもAIは広く活用されています。この2つの分野は、機能材料の予測や、構造特性関係、そして化学プロセス最適化などを目指しているためです。
弊社ウェビナー『化学における人工知能 - 現在の状況と今後の機会』では、第一線の専門家がAI導入の潜在的な障壁について議論しました。 そこで特定された科学分野におけるAI導入の壁は次の3つです。
データ品質。最適な予測は、肯定的な例と否定的な例の両方をトレーニング用として提供できる、堅牢で高品質なデータセットに依存します。 現在の多くの組織にとって、データへのアクセス、データの正規化、そしてデータ準備は、深刻な課題になっています。
テクノロジー。コンピューティング処理能力は向上している一方（量子コンピューティングやクラウドベースのものなど）、ユーザーの視点からはまだ制限があると認識されています。 しかし、最近のソフトウェアやユーザーインターフェースの進歩によってプログラミング要件を必要としなくなり、その結果より多くの科学者が研究に機械学習を活用できるようになっています。
人材不足。データサイエンスの分野は、人材不足で有名です。そのため化学者は、現在のAIがいかに親しみやすいものであるかを理解していないかもしれません。 化学と他の科学分野との協力関係が深まることで、AIの統合が加速される可能性があります。
AIとトレーニング用データセットは、世界中の科学機関で問題解決やイノベーションに活用されており、データ解析や創薬に大きなチャンスをもたらしています。
CASの最近のホワイトペーパーでは、AI技術への投資によって恩恵を受ける可能性のある化学分野をいくつか明らかにしています。 導入の障壁はかつてないほど低くなっており、CASなどのパートナーも、分析に必要な大規模で高品質のデータセットへのアクセスを支援できます。 科学研究に人工知能を取り入れることで、早急に対応が必要な課題を解決できるほか、従来のデータ分析で可能ではなかったことまで大きく前進させることができます。
CASの分析結果とその考察については、ホワイトペーパーをご覧ください。また、AI技術による研究支援についてご質問がある場合は、CASにお問い合わせください。
特許出願件数と特許の複雑さが急増している中、グローバルな特許システムの持続可能性は圧力にさらされています。 出願件数が急速に増加している国では、処理能力が追い付かず特許審査に遅延が発生し、特許品質が脅かされているほか、顧客満足度の低下や、イノベーションと投資のペースが落ちてしまう恐れがあります。
特許出願の遅延を改善させることは、顧客満足度の向上とイノベーションの促進を目指す特許庁に共通する優先事項です。 プロセスの遅延は、発明者に法的な不確実性を生じさせ、投資を躊躇させる原因にもなります。 ブラジル屈指の特許弁護士であるGusmao & Labrunieのパートナー、Juliano Ryota Murakami氏は、知的財産のステークホルダーにとってのリスクを明らかにしています。
「特許審査の過度の遅れは、その国の技術革新と経済発展に悪影響を及ぼします。 特許が最終的に付与されたときには、該当特許で保護されている技術が完全に時代遅れとなり陳腐化している可能性があるからです。 また、遅延により、発明の独占的な複製や商業化の可能性に関する不確実性も生じさせます。」
出願の適時性と特許品質の確保は、特許審査官の大きな負担になっていますが、審査を迅速化できるかは、関連する先行技術を素早く見つけられるかにかかっています。 しかし、先行技術の調査は時間がかかり、複雑な検索戦略と深い専門知識が必要になります。
EPOのスタッフによる検索活動の分析によると、包括的な特許出願の検索では、179のデータベースで13億の技術レコードが対象となり、毎月の検索結果には約6億の文書が表示されているとなっています。 日本の特許庁の調査でも、審査官が先行技術のサーチとその結果の調査に費やす時間は全体の約40%にのぼると推定されています。 審査官が先行技術に容易にアクセスするための時間、専門知識、技術的リソースが不足していると、特許品質が低下する恐れもあります。
AIを活用した検索ソリューションなら、特許のエコシステム全体において、効率と特許品質のどちらも向上させる重要な役割を果たすことができます。 特許庁における審査の迅速化を支援し、またイノベーターも先行技術を早期に特定できるようになることで、不良特許の訴訟や有効性への異議申し立てにかかる時間やコストを回避することができます。 CAS SciFinder Discovery PlatformとSTNext®に科学・知財検索を向上させるソリューションとしてAI先行技術アルゴリズムが追加されることになったのも、それが理由です。
特許庁の長期的な運営の持続可能性を確保するための施策を通じて解決されている特許出願の遅延や非効率性もあります。 欧州特許庁（EPO）では持続可能性の目標を掲げており、その内容には積極的な職員、デジタル変革、効果的な特許認可プロセス、そして影響力のある国際協力などとなっています。 他の特許庁でも、組織の有効性を高めるために同様の優先順位を設定しています。
より迅速で質の高い審査を行うため、以下のように特許審査官の増員や、AIなど時間を短縮するテクノロジーの導入、そしてワークフローの変革などを進めています。
AIを活用したソリューションは、特許庁で先行技術調査以外のたくさんの場面で活用できます。 分類の割り当てや変換、より効率的な文書配信用のためのAPI、審査や分析のためのオンラインツールなど、用途はさまざまです。 これらのソリューションは、効率、特許品質、顧客サービスを向上させることで、特許庁の持続可能な運営と、グローバルなイノベーション戦略の目標達成を支援する相乗効果をもたらします。
CASは最近、ブラジル知的財産庁（INPI）とのプロジェクトを完了しました。このプロジェクトは、収集されたデータ、人工知能、カスタムワークフロー、知的財産検索サービスのアウトソーシングを組み合わせた独自の方法で先行技術調査を合理化するものです。 このプロジェクトは以下の多大な利点をもたらしました。
AIは、何百万ものデータセットを素早く分析し、適切な結果を返せるため、特許庁からますます注目を集めています。 WIPOによると、27の特許事務所で70以上のAI関連プロジェクトが進行中であり、そのうち19は先行技術調査や審査手続きに焦点を当てたものです。
ブラジルINPIとの共同作業により、先行技術検索におけるAIの適用を最適化する、以下のいくつかの基本原則が強化されました。
データ品質。キュレーションされていない一般公開のほとんどの科学と特許データは、特許庁に固有の問題をもたらします。 その中には、転記ミス、単位の誤表記、複雑すぎる特許文言などが含まれます。 また、外国語は特別な課題が生じます。
人間が収集したデータで、それが標準化され、整えられ、そして構造化された形式で接続されているものは、AIアルゴリズムの学習を向上させ、そして先行技術検索の性能を向上させることができます。 キュレーションされたデータは、より多くの類似特許を明らかにし、自明性の懸念がある隣接特許を特定できます。
複数のアルゴリズム。特定の検索手法のためにカスタマイズされた複数のアルゴリズムを使用することで、AIのパフォーマンスを向上させることができます。 弊社はブラジルで10個のアルゴリズムを開発し、初回の結果も出ました。 その結果を別のアンサンブル学習のアルゴリズムで解析し、最終的には非常に関連性の高いランク付けされた結果セットが作成されています。
ワークフローの最適化。弊社が構築したブラジルのINPI向けカスタムワークフローソリューションは、先行技術調査のステップ数を半分に減らしました。 また、特許・特許以外の検索結果や参考文献をはじめ、ソーティング、フィルタリングそして可視化のためのツールなどを、すべてクラウドベースの単一インターフェースで利用できるため、時間の節約にもつながります。 カスタムワークフローは、完全に自動化することも、または外部の検索専門家がアルゴリズムモデルを検証し、検索をフィルタリングして審査官の処理能力を補完できるようにすることも可能です。
特許庁におけるAIを活用したワークフローのアプローチや、知的財産エコシステム全体の持続可能性を確保する上で予測技術がどう役立つかなど、詳細については、 CAS Insights Report、『国際特許システムのサステナビリティへの取り組み - 生産性向上におけるAIの役割』をお読みください。
