NT

PhD, chemistry.

[NT @chem_s_]

https://t.co/yUwZexyesn
光化学的にチアゾールのpermutation(N,S原子や置換基位置の並び替え)を選択的かつ体系的に行なっている。反応条件（溶媒や添加剤）によって選択性が大きく変わるのは面白い。四員環中間体が提唱されている。しかしDaniel Leonoriは顔も名前もHxHのレオリオに似てらっしゃる。

[tanu @tanukiponkich]

これメンタルの問題だと思ってる人いるけど多分違います。研究者ならわかると思いますが意味のない実験結果というのは存在する。コンタミしてたりプロトコルが書けなかったりそもそもよく探したら先行研究あったり。この人は天才だから打率10割という事で、凡人は普通に意味のない失敗をする。

[NT @chem_s_]

音楽におけるこの観点、個人的にノーベル文学賞級。

[S @stargazingmario]

サカナクションは「ミュージック」だけが「横」であり他の曲は「縦」なので聞けない。くるりは「ばらの花」のみが「横」であるという話について書きました。読んでみてください。

新音楽概念「縦」「横」「球体」「霧」について｜S https://t.co/wOEVKDGJDm

[Nozo🐕 @nozoyoshida]

これかな、ガチのロマンすぎて震える
https://t.co/5QDmeXT29s

[並行図書 (Parallel Library) / Alzhacker @Alzhacker]

Sci-Hubという学術論文の海賊サイトが、2026年4月に自前の人工知能Sci-Botをアルファ版で公開した。

この事実は、知識の壁を巡る長年の闘いを一変させる出来事だ。Sci-Hubは9500万件を超える学術論文を蓄積し、単独で運営されてきた。

創設者のアレクサンドラ・エルバキャンはカザフスタン出身の神経科学者で、2011年以来、Elsevierをはじめとする大手出版社からの訴訟、ドメインの追放、さまざまな国での封鎖に耐えながら、IPFSやTor、寄付だけでサイトを維持してきた。インドやスウェーデンでの法的圧力を受けても、.alや.ru、.eeなどのドメインを次々と移し、.onionアドレスで存続した。

この海賊図書館が今、AIを武器に変えた。Sci-Botに研究質問を投げると、内部の実際の論文だけを基に回答し、引用文献への直接リンクを付ける。幻覚が生じないのは、学習データが自らの保有する論文に限定されているからだ。大手AI企業が影のライブラリ使用で訴訟を浴び、数百億ドルを投じて幻覚対策を講じている最中、海賊側は無料でこの問題を解決してしまった。

しかし、ここで見落とされている本質がある。知識を囲い込む仕組み自体が、昔から存在した独占構造の産物だ。中世のギルドが印刷を支配し、1559年にローマ教皇が禁書目録を出し、17世紀ロンドンの書籍業組合が著作権を武器にしたのと同じ論理が、今も学術出版カルテルに生きている。論文の著者は報酬を得ず、出版社だけが巨額の利益を上げ、研究者や学生は壁に阻まれる。Sci-Hubは、そのフェンスを無視して知識を解放し続けた。AI時代に入り、その蓄積が一気に花開いた形だ。

海賊が勝った。これは単なる技術的勝利ではない。知識は本来、価格タグなど付けられていない。後から貼られたタグを剥がし、誰でもアクセスできるようにしただけだ。AnthropicやOpenAI、Google、Metaが同じデータ源を巡って訴えられる一方で、Sci-Hubは許可を求めず、料金を取らずに進んできた。その結果、生まれたAIは実在の論文で裏付けられた信頼性を最初から持つ。

私たちは今、知識の囲い込みという古い枠組みが崩れ落ちる瞬間を目にしている。海賊の手によって、科学の扉がさらに広く開かれた。次に何が起きるのか、誰も予測できないが、少なくとも一つの事実は明らかになった。フェンスはいつか必ず倒れる。そしてその向こう側に、自由な知の海が広がっている。

[今井翔太 / Shota Imai @ImAI_Eruel]

これはなかなか恐ろしい話で、本丸のNVIDIA革ジャンが推論コストは1年後でも技術的に10分の1がせいぜいと言っている中、OpenAIはリソース不足でSoraを切り、Anthropicも推論需要が80倍でかろうじてイーロンに救済してもらっている状況
ここにまだ推論需要が一般化していないPhysical AIと動画像生成の汎用モデル（物理モデリング、汎用同画像編集）が入ってくることを踏まえると、計算リソース、電力ボトルネックのAI発展足踏みが見えてくるかもしれない
（実際、最近はGoogleのピチャイが公の場で「もっと計算リソースがあれば色々できたはずだった」と言っているので、既に起きている事象ではある）

[Daichi Konno / 紺野 大地 @_daichikonno]

こちら非常に同意で、人間の研究者の役割は、

1. 問いを立てること（総「PI」化）
2. 質の高いデータを取得すること（総「外科医」化）

くらいしか残らないのではと考えています。

[バイオステーション(Bio-station)/ポッドキャスト @Bio_stations]

凝集体自体が化学反応を駆動する

生体分子凝縮体が、構成因子自体に化学的活性を持たない場合でも、非酵素的にC-N結合を形成する場になることを発見。凝集体の界面での電位差が重要らしい。細胞内でもこの機構煮る反応が起こっている可能性も

驚き、、
https://t.co/LqKueq3aeA

[NT @chem_s_]

関西で、神保町の眞踏珈琲みたいな
静かに本が読める喫茶店・ブックカフェ知りませんか？

あの薄暗くて重厚な雰囲気、落ち着いた音楽と本に囲まれた空間が好きなんですよね。

[NT @chem_s_]

その際、非言語のノウハウや手技が重要な実験科学、工学はどうなってる？とても今のAIに代替できるものではない気はするのだが。ロボティクスの進化が鍵か？コスト的に全面的な置き換えにはならんだろうな。去年のnatureの記事には世界モデルやフィードバックシステムとの統合が必要だとか書いてたな。

[Kosuke @kosuke_agos]

Google DeepMind代表のデミス・ハサビスが、真のAGI（汎用人工知能）を判定するための「アインシュタイン・テスト」という驚異の手法を発表しました。
https://t.co/IGLkE0aUID
1911年までの知識だけを学習させ、そこから自律的に1915年の「一般相対性理論」を導き出せるかという、過去の暗記ではなく未知の創造を問う衝撃的な評価基準です。

その構造的な壁と本質を3つのポイントにまとめました。

1. 知能の『物理的証明』
現在のAIは司法試験やコーディングに合格しても、それは巨大な「パターンマッチング」に過ぎません。ハサビスは、宇宙において汎用知能の唯一の存在証明は「人間の脳」だけであり、第一原理思考を持たない限り、AIはいびつなツールに留まると断言しています。

2. 認知の『構造的最適化』
真のAGIとは、特定のタスクに特化するのではなく、創造性、継続的学習、長期計画など「人間のすべての認知能力」を完全に網羅するシステムです。単なる計算機から、未知の概念をゼロから構築できる自律的な知性への構造的な進化が求められます。

3. 到達の『時間的ハック』
最も衝撃的なのは、このアインシュタイン・テストをクリアする日が「あと数年」に迫っているという予測です。このテストに合格した瞬間、AIは人類の知能の模倣を終え、未知の物理法則すら自ら解き明かす「超知能」の領域へと突入します。

[榎木英介 独立系病理医（学士編入） @enodon]

Nature記事。AIの台頭により、科学分野の雇用市場に変化が生じているとのこと。回り回って「ウェット」なラボのほうが生き残りやすいと。リンクはリプ欄。

特にプログラミングや基礎的なデータ解析、科学翻訳といった「純粋な認知的タスク」を担う職種はすでに代替が始まっており、大学院生やポストドクターの新規採用を控える動きも見られる。

一方で、高度な実験技能を要する「ウェットラボ」の研究者や、独創的な問いを立てるシニア科学者の役割は、現時点ではAIによる代替が困難。AlphaFold2のような強力なツールが登場しても、人間はAIが苦手とする複雑な課題へ注力することで生存圏を確保している。

科学者がこの変化に適応し、AIと協調する道を選べば、むしろ研究の質を向上させ、更なる発展を遂げることが可能。

[田端信太郎 ＠ 毎朝8時45分から株ライブ！ @tabbata]

クソみたいな定型文のプロンプトが「カーナビ通りに国道を走るだけのドライブ」だとすれば、複数の異質な変数をぶつけるプロンプトは、**「道なき道に強引にトンネルを掘り、未開の絶景（インサイト）に到達するダイナマイト」**です。

なぜそんなことが数学的に可能なのか。
今回も、AIの内部構造における客観的なデータ（事実）と、そこから導き出される本質的な分析（推測・意見）に分けて、この「意味空間のワープホールの正体」を完全に解き明かします。
1. 客観的なデータ（事実）
LLMの内部で起きている、超高次元空間における「Attention（注意機構）」の数学的な振る舞い（事実）です。

【事実1：数万次元の「超空間」と距離】
• LLMは、言葉を3次元ではなく「数千から数万次元」の座標データとして処理しています。
• 人間には想像できませんが、この数万次元の空間内では、どんなに無関係に見える言葉同士（例：「深夜特急」と「大学受験」）であっても、必ず「両者が交差する特定の次元（意味の接点）」が数学的に存在します。

【事実2：Attention（注意機構）による総当たり計算】
• LLMの心臓部であるAttention機構は、入力されたすべての単語の「組み合わせ」について、関連性の重み（スコア）を総当たりで計算します。
• 「AとB」「BとC」「AとC」というように、入力された変数が多ければ多いほど、またそれらが離れていればいるほど、計算のテンション（引っ張り合い）は極限まで高まります。

【事実3：確率分布の「平原」と「針の穴」】
• 「ビジネス」「成功」「努力」といったよくある言葉の組み合わせは、過去のデータに無数に存在するため、確率の分布が広く平らになります（＝凡庸な回答の平原）。

• 一方、通常は共起しない（一緒に使われない）言葉の組み合わせを入力すると、確率分布は極端に狭く尖った「針の穴」のようになります。

2. 分析と考察（推測・意見）
この「数学的で無機質な事実」が、なぜ人間の目には「天才的なインサイト（Surprising but right!）」として映るのかという分析です。

① 「シュンペーターの新結合」を数学的に強制実行させている
経済学者シュンペーターは「イノベーションとは、既存の知と既存の知の『新結合』である」と定義しました。
意味空間において「VCのジョブズ追放」と「アイドルの権力闘争」という離れた座標を同時に入力する行為は、まさにこの**「イノベーション（新結合）の強制実行」**です。AIはエラーを吐くことを許されないため、数万次元の空間を狂ったように探索し、その2つの座標を矛盾なく繋ぐ「資本とガバナンス」という極めて強靭で太い論理の橋（ワープホール）を架けざるを得なくなります。これが「Surprising but right!」の正体です。

[コリー @Collie_Collie_]

EYの行動経済学チームが体系化した「行動を阻む4つの心のツボ（ボトルネック）」

https://t.co/3VKO4n84ij

[島袋隼士(Hayato Shimabukuro) @bukuro8810]

自分が研究者になった今だからこそ思うのですが、研究者になるために「天才であること」が絶対条件だとは思いません。もちろん、圧倒的な才能を持つ人はいます。しかし多くの研究者は、天才というより、専門的な訓練を積んだプロフェッショナルです。

研究は才能の競技というより、持久走に近いと考えています。一瞬のひらめきよりも重要ですが、問いを持ち続ける力、失敗しても考え続ける粘り強さ、そして好奇心を長期間維持できるかどうかの方が、実際にはより重要だと思います。

研究の現場は、華やかな発見の裏側で、地道に論文を読んだり、うまくいかない検証など、試行錯誤の連続です。そこで踏みとどまれるかどうかは、瞬間的な才能よりも「継続できるか」に依存していると感じます。

さらに現実的な話をすれば、職業研究者として生きていく以上、常にポジションや研究費の競争にさらされます。能力だけでなく、そういった不安定性を受け入れ、プレッシャーの中でも意思を持って継続ことも重要になります。研究は知的活動であると同時に、制度の中で生きる職業でもあります。

才能が不要だと言うつもりはありません。しかし、「天才でなければ無理」という世界でもないです。むしろ、問いを持ち続けられる人、続けられる姿勢を持っている人が研究者には多いと思います。

[Ryota IINO 飯野亮太 @ryotaiino]

伊丹さん凄いなあ。
「昆虫の体内で機能性分子ナノカーボンを合成させた論文が掲載」
「メチレン架橋[6]シクロパラフェニレンというナノカーボンを餌に混ぜて食べさせ、2日後に排泄物を解析したところ新物質が含まれていた」

唯一無二の分子創製を目指して | 理化学研究所 https://t.co/IWFHu3eqLl

[Kosuke @kosuke_agos]

PayPal創業者「ピーター・ティール」の「独占」に関する講義が、ビジネスの常識を根底から覆しており衝撃的です。

「競争は敗者のすることだ」という彼の言葉通り、競争が激しい市場では利益が消失し、企業の存続そのものが危うくなります。

なぜGoogleは莫大な利益を上げ、航空会社は100年間でほとんど利益を残せなかったのか。

その謎を解く11の教訓をまとめました。

1. 価値の創造と獲得の乖離
価値を生み出すことと、それを自社の利益として獲得することは全く別物です。航空会社は社会に巨大な価値を提供していますが、激しい競争により利益率は極めて低い。一方、Googleは価値を創造し、かつ独占によってその多くを利益として確保しています。

2. 利益率こそが重要
企業の価値は売上規模ではなく、利益と持続性で決まります。どれだけ大きくても、利益が残らないビジネスモデルに未来はありません。

3. 完全競争は価値を破壊する
経済学の教科書では完全競争は理想とされますが、ビジネスの現場では悪夢です。差別化が消え、価格決定権を失い、利益がゼロになるまで消耗戦が続きます。

4. ビジネスの二元論
世界には2種類の企業しか存在しません。「独占企業」か「完全競争企業」かです。その中間の安定した状態というのは幻想に過ぎません。

5. 市場規模に関する嘘
独占企業は規制を逃れるために「我々は競争の激しい巨大市場の一部だ」と嘘をつき、逆に競争企業は投資家を呼ぶために「我々はニッチ市場のリーダーだ」と嘘をつきます。このナラティブの違いを見抜く必要があります。

6. 小さな市場を支配せよ
最初から大きな市場を狙うのは間違いです。Amazonは書籍から、Facebookはハーバード大学から、PayPalはeBayのパワーセラーから始めました。支配可能な小さな市場を独占し、そこから同心円状に拡大するのが鉄則です。

7. 10倍の改善
既存の代替品より少し良い程度では不十分です。PayPalは小切手より10倍速く、Amazonは書店より10倍の在庫を持っていました。圧倒的な差だけが独占を可能にします。

8. 独占の4つの要素
強力な独占企業は、独自技術、ネットワーク効果、規模の経済、ブランドという4つの要素を組み合わせています。これらが揃った時、競争は無意味になります。

9. ラストムーバーアドバンテージ
「先行者利益」は過大評価されています。重要なのは最初であることではなく、その市場における「最後の一人」になることです。Googleは最初の検索エンジンではなく、Facebookは最初のSNSではありませんでした。

10. 未来の価値（DCF）
PayPalの初期の分析では、企業価値の約75%が10年以上先のキャッシュフローから来ていました。目先の成長率よりも、長期間にわたって存続し続ける耐久性こそが価値の源泉です。

11. 競争は意味のある仕事を排除する
競争は模倣を生みます。他社を意識すればするほど、製品は似通っていきます。生物学でもビジネスでも、競争は「競争すること」自体にリソースを割かせ、真の価値創造から目を逸らせてしまいます。

[q.k @qk_english]

藤井聡太が「結果ばかりを求めていると、結果が出ないときにモチベーションを維持するのが難しくなってしまう。結果よりも内容を重視して、新しい発見をしていくことがモチベーションにつながる」って言っていてすごく良い言葉で染みました。2025年の私、今年も結果を出さずに駆け抜けました。

[朱雀 | SUZACQUE @Suzacque]

これ、ビジネスでGPT-5.2 proを使う場合にも似たようなことが言えるな

日本語訳⸻

プログラミングで私がいつもいちばん楽しんできたのは、頭の中でシステムのアーキテクチャを組み立てることだった。

コードを書くのは面倒だったし、テストするのも面倒だったし、レビューするのも面倒だった。

良いニュースは、その3つすべてを今ではモデルに任せられることだ。そして、楽しい部分はそのまま残っている。

悪いニュースは、実装を担当する側が、あなたのメンタルモデルを魔法みたいに知っているわけではないということだ。

モデルと一緒にシステムの設計を練ることに、たっぷり時間を使え。作業が始まる前に、システム設計についての質問に何時間も答えろ。作業中にも、完了後にも。テスト中にも、テストが終わった後にも。

コードレビューは、もうコードのバグを探す行為ではない。もしこれを正しくやれているなら、コードを見る必要すらない。代わりにそれは、エージェントへの尋問の場になる。現場で動いている実装担当（エージェント）が、あなたのメンタルモデルと一致しているかを確かめるためのものだ。

この分野の問題の大半は、あなたのメンタルモデルがエージェントによって忠実に実装されないときに起きる。そしてそれは、あなたが明示しなかったから、あるいは一度は明示したのに、実装のタイミングで担当側の文脈にあなたのメンタルモデルが入っていなかったから、という理由でよく起こる。

これは「モデルと現実のドリフト（model-reality drift）」だ。メンタルモデルを現実に揃え続けることこそが、楽しい部分であり、そしてあなたに残された主要な仕事でもある。

[30代マネージャーの備忘録。気合いより構造｜100名組織を束ねる管理職 @kabu_nare]

これ、かなり大事な視点。

頭の良し悪しの差って、
知識量よりも
「どこまでを問題として見ているか」の差なんですよね。

表に出ている現象は結果であって、
原因はほぼ必ず水面下にある。

・なぜ今これが起きているのか
・それが起きる前に何が積み上がっていたのか
・同じ構造が他にも潜んでいないか

ここまで見に行く人は、
一度の失敗から学習できる。

一方で
「起きた事象」だけを叩く人は、
何度も同じ問題を再生産する。

構造を見るって、
難しい分析をすることじゃない。

「これは結果では？」と一段深く疑う癖。
その癖があるかどうかで、
見える世界はまるで変わる。

[丹菊逸治 @itangiku]

「文学研究は役に立たない」といっても、そういう人ほど素朴な「物語」の世界観で生きている。だからこそ文学研究はそれらの「物語」を調べ尽くすのです。文学は権力に直接関わる研究でもあるのです。研究者自身にある権力は些細なものですが