QM9の分子物性予測を正しく評価する
QM9の対象と単位、グラフと幾何入力を区別し、評価の漏洩を防ぎ、原データと処理の来歴を残します。
ガイド
化学AIの基本概念、ツール選定、導入、評価方法を学べます。具体的なツール構成や設定手順をお探しの場合はRecipesをご覧ください。
分子グラフ学習の道具：PyG・e3nn・DGL-LifeSci
グラフ学習基盤、等変演算ライブラリ、化学向けDGLツールキットを区別し、表現・評価・版の制約から選びます。
機械学習原子間ポテンシャルの選択：MACE・SevenNet・CHGNet・MatGL
材料研究向けのポテンシャルとフレームワークを、学習領域、出力、計算器、資産の権利、参照検証から比較します。
Boltz-2の解釈：構造信頼度と低分子親和性
Boltz-2の信頼度と親和性出力を読み、構造スコアを結合測定や予測IC50をKdと混同しないためのガイドです。
ASEと機械学習ポテンシャル：単位・最適化・検証
ASE計算器、固定・可変セル、力の収束と、機械学習ポテンシャルの緩和成功後に必要な科学的検証を理解します。
AIによるタンパク質設計：骨格生成・配列設計・構造予測
RFdiffusionの骨格生成、ProteinMPNNの配列設計、Boltzの予測を区別し、受け渡しと検証の境界を理解します。
化学AIエージェント入門：チャットから研究ワークフローへ
化学および生物医学研究向けの8つのエージェントを取り上げる実践ガイドです。ツール、メモリ、計画、多エージェントの役割の仕組み、タスク別に適したプロジェクト、科学的監督のもとで限定的な自律性を評価する方法を解説します。
AI創薬ツール：Agents・MCP・研究プラットフォームの選び方
ワークフローの段階に応じてツールを選択します。標的の根拠、タンパク質構造、既知の結合部位、分子生成、特性解析、スクリーニングを対象に、研究用エージェント、MCP連携、ホスト型API、プラットフォームを比較し、提案するエンドツーエンドの例と実践的な評価ゲートを示します。
材料科学のAIツール：MCP・Agents・Skillsの研究ワークフロー
材料データベース、研究エージェント、科学的Skillsの実践ガイド。凸包、平衡、フォノン、実験的安定性に関する主張を区別しながら、結晶スクリーニング、計算、解析を組織化する方法を解説します。
化学AI Skillsとは？研究エージェントの手順モジュールを理解する
化学AI Skillsを再利用可能な手順モジュールとして理解します。`SKILL.md`に何が含まれるか、ホストが指示をどう読み込むか、SkillsがMCPやエージェントとどう異なるか、そして指針を科学的検証と混同せずに選択、組み合わせ、評価する方法を説明します。
MCP・Skills・Agents・APIの違いとは？
化学ワークフローにおいて、API、MCPサーバー、Skills、エージェントがインターフェース、手順のガイダンス、実行、計画の各責任をどう分担するか、またアクセス可能性と科学的妥当性を混同せずに選択・組み合わせる方法を解説します。
タンパク質・構造生物学のAIワークフロー：UniProt・RCSB PDB・Agent
タンパク質の同定情報と配列から、RCSB の構造メタデータ、観察されたリガンド接触、提案する下流候補評価まで、証拠に基づくタンパク質ワークフローを構築します。生物種、アイソフォーム、鎖、欠損データ、実験的検証について明示的に確認します。