学際共創研究をご検討の方へ

近年、画像生成AIの普及が進む一方で、プライバシー侵害のリスクが懸念されています。これらのAIは、インターネット上の画像を無断で収集し、医療画像や個人の写真などが含まれる可能性があります。本研究では、画像生成モデルに用いられるデータに個人情報が含まれているかを検証し、その社会的・倫理的課題を明らかにするとともに、一般市民の意識調査を通じて、AI利用に対する懸念や意見を調査します。

本研究の内容については特許出願を予定しているため、現在公開しておりません。

本研究では、致死率が高く感染リスクもあるクリミア・コンゴ出血熱ウイルス（CCHFV）に着目し、そのタンパク質とヒト細胞内のタンパク質がどのように結びつくかを予測・解析します。AIによる構造予測技術（AlphaFold2）と、試験管内での安全な無細胞実験を組み合わせることで、ウイルスの働きを理解しやすくし、将来的な治療法の開発や感染症対策に役立つデータベースの構築を目指します。

本研究の内容については特許出願を予定しているため、現在公開しておりません。

細胞の表面にある膜タンパク質は、情報伝達などの重要な働きを担っていますが、その動き方（拡散）は細胞の種類によって大きく異なります。本研究では、さまざまな生物の細胞で膜タンパク質の動きを1分子レベルで観察・解析する手法を開発します。特に温度による動きの変化に注目し、細胞の種類や環境条件によって異なるタンパク質のふるまいを明らかにすることで、生命活動の仕組みの理解につなげます。

大学院への出願や選考業務のデジタル化は進みつつありますが、特に留学生向けの入試に関する実態調査や研究はほとんど行われていません。本研究では、専門性が高く複雑な選考体制を持つ日本の大学院において、どのようにデジタル技術が導入・活用されているのかを明らかにし、今後の効率的な運用や優秀な留学生確保に向けた支援体制のあり方を探ります。

複数の原料を一度に反応させる「多成分反応」は、効率よく多様な化合物を合成できる手法として注目されていますが、最適な反応条件の設定は試行錯誤に頼る面が多く残されています。本研究では、反応に使う触媒や原料の構造情報をデータベース化し、機械学習で反応の成功率や選択性を予測するモデルを構築します。これにより、化学反応の効率化と新たな合成手法の開発を加速させることを目指します。

老朽化が進む橋などの社会インフラを安全に保つには、定期的な点検が不可欠です。しかし、点検を担う専門人材が不足しており、新たな技術の導入が求められています。本研究では、画像やテキストなど複数の情報を同時に処理できるAI「マルチモーダル大規模言語モデル（MLLM）」を活用し、専門家と協力しながら効率的で実用的なインフラ点検支援システムの開発を目指します。