Lab Automation

AI × ラボオートメーション

自然言語（日本語や英語など）で実験装置を操作するAIエージェントを開発します

実験手順書（SOP）やプロトコルのファイルと、自然言語（日本語や英語など）の指示を渡すと、AIエージェントがその内容を解釈し、実験装置が実行できる制御コマンドに変換して実行します。Science Aidは、このAIエージェントの開発を、お客様の装置に合わせた形で行っています。

特定の1機種向けの仕組みではありません。分注機・液体ハンドリング装置、分析・測定装置、搬送装置など、外部のプログラムから制御できる実験装置を幅広く対象としています。対応可否の確認だけでもご相談いただけます。

Issue

計画・解析に比べ、実験の実行はAIエージェントによる自動化が進んでいません

実験科学は、計画・実験・解析のサイクルで進みます。このうち計画と解析の工程では、AIエージェントの活用事例が増え、実用段階に入りつつあります。一方、実験を実行する工程では、AIエージェントが装置に指示を出して実験を進める事例はまだ限られています。多くの場合、装置を動かすのは人であり、AIエージェントが立てた計画も、人が読み替えて操作しているのが現状です。

AIエージェントの活用が進む

計画

文献調査・仮説の立案・実験計画

人が装置を操作する

実験

装置の操作・実行

AIエージェントの活用が進む

解析

データ解析・結果の解釈

この工程でサイクルが分断されるため、計画から解析までを通してAIエージェントに任せることができません。実験を実行する工程が装置と接続されれば、サイクル全体を連続して回せるようになります。

Bottleneck

障壁は、実験者の意図を装置の制御コマンドに変換する工程にあります

実験を実行する工程だけが接続されにくいのはなぜか。最大の障壁は、実験者が行いたい操作を装置の制御コマンドに変換する工程にあります。理由は3つあります。

01

コマンドが装置の動作単位で書かれている

制御コマンドは、軸の座標やモーターの動作を直接指定する形式が主流です。実験者が考える「何を、どこに、どれだけ」とは単位が異なり、その差を人が埋めています。

02

装置ごとに仕様が異なる

コマンド体系も通信方式も装置ごとに異なり、外部から操作できるインターフェースが公開されている装置も限られます。装置の数だけ接続部分の開発が必要になります。

03

手順の判断が個別のスクリプトに埋もれる

装置の操作には、効率や汚染防止を考えた手順の判断が伴います（分注であれば、吸引をまとめるか分けるか、チップをいつ廃棄するか）。担当者の経験をもとに個別のスクリプトへ書き込まれるため、他の実験に再利用できません。

この変換を、これまでは人が担ってきました。実験ごとに数百行規模のスクリプトを、装置メーカーのアプリケーションエンジニアか、装置を使う研究者自身が書いています。近年、大規模言語モデルの性能が向上し、文書や自然言語の指示を読み取って手順を組み立てる処理を、機械が担えるようになってきました。私たちが取り組んでいるのは、この変化を実験装置の操作に適用することです。

Solution

手順書と自然言語の指示を、装置の制御コマンドに変換するAIエージェントを開発します

実験の手順は、すでに実験手順書（SOP）やプロトコルとして文書化されているのが一般的です。Science Aidが開発しているAIエージェントは、その文書と、実験者が入力した自然言語（日本語や英語など）の指示をあわせて解釈し、装置が実行できる制御コマンドの列に変換します。手順の内容は文書から読み取り、実行する範囲や条件を指示で補う形です。

例液体ハンドリング装置で、プレートに希釈系列を調製する場合

従来

装置の動作単位で制御コマンドを記述する

MOVE_ABS   ARM1  X=124.44 Y=137.12 Z=82.00
PICK_TIP   RACK=1 POS=A1
MOVE_ABS   ARM1  X=307.82 Y=274.40 Z=157.57
DETECT_LIQUID    Z=157.57 SENS=30
ASPIRATE   VOL=500 SPEED=3
MOVE_ABS   ARM1  X=492.26 Y=237.50 Z=97.35
DISPENSE   VOL=100
MOVE_ABS   ARM1  X=501.26 Y=237.50 Z=97.35
DISPENSE   VOL=100
                 …（以下続く）

※ コマンドの表記は一例です。実際の形式は装置によって異なります。

AIエージェント

手順書を渡し、実験者が使う言葉で指示する

SOP-QC-023_検体希釈系列の調製.pdf この手順書のStep 3を実行して

AIエージェントが手順書とこの指示を解釈し、チップ装着・吸引・分注・チップ廃棄までの制御コマンド列に変換して実行します。

※ 画面と手順書のファイル名はイメージです

設計の要点

AIに任せる部分と、任せない部分を分けています

指示の解釈と操作の選択はAIエージェントが行い、座標の計算やコマンド列の組み立ては、あらかじめ定義したプログラムが行います。装置の動きそのものをAIがその場で組み立てるわけではないため、同じ操作が選ばれれば、生成されるコマンド列は毎回同じになります。

クラウドのAIモデルも、社内に閉じたAIモデルも選べます

GPT・Claude・GeminiなどのモデルをAPI経由で利用する構成と、オープンソースのモデルを社内のサーバーで動かす構成の、どちらにも対応します。データを外部に出せない環境では、インターネットに接続しないまま運用できます。

いま使っている装置を、そのまま使えます

装置の買い替えや、ハードウェア・ファームウェアの改造は必要ありません。メーカーが提供する既存のドライバやAPIを介して制御するため、装置の保証や、これまでの操作方法・運用への影響を抑えられます。

Case

テカンジャパン株式会社との取り組み

テカンジャパン株式会社の協力のもと、同社の液体分注ロボットプラットフォーム「Cavro Omni Flex」を自然言語で操作するAIエージェントを開発しています。ブラウザのチャット画面から日本語で指示を入力し、実機が分注動作を実行することを確認しています。

Process

ご提供の流れ

装置が変わっても使い回せる共通部分は、すでに開発済みです。そのため、ゼロから作る場合に比べて初期の開発範囲を抑えて始められます。まず1台で試し、動くことを確認してから他の装置へ広げていく、という進め方も可能です。

STEP 1

ご相談・装置の調査

対象装置の制御インターフェース、提供されているライブラリ、実現したい操作を確認し、実現可能性と進め方を整理します。

STEP 2

PoC

代表的な操作をひとつ、自然言語から実行できる状態を作ります。技術的に成立するか、現場で使えるかを確認します。

STEP 3

実装

装置構成の定義とコマンド体系の整理を行い、対象業務に必要な操作へ広げます。共通部分を再利用するため、装置固有の開発に注力できます。

STEP 4

運用・拡張

動作精度を評価する仕組みを整えたうえで運用に移します。対応操作の追加、他の装置への展開、上流の実験計画システムとの接続に広げていきます。

AIエージェントと実験装置の連携に関心をお持ちでしたら、お気軽にご相談ください

対応可否の確認だけでも承ります。まずはお問い合わせいただければ、こちらから詳しい内容をうかがいます。

相談する