# ドメイン特化モデル ## 定義 ドメイン特化モデル（Specialized AI Models）とは、一般的な言語処理や汎用推論ではなく、タンパク質立体構造予測、結晶・分子の物性推定、気象予測、特定の疾患予後分類など、特定学術分野のデータ構造・物理制約・課題設定に最適化して訓練された機械学習モデルの総称である。 ## 科学研究における役割と汎用モデルとの差異 - **機能的特徴**: 汎用 LLM がテキスト・コードの対話的生成や文献処理を担うのに対し、特化型モデルは「予測（Predict）」「データ生成（Generate）」「分類（Classify）」の 3 つのアクションが中心となる。 - **高い学術的影響力**: 代表的モデル（AlphaFold 2 等）をはじめ、専門分野に特化したモデルを提案する学術論文の約半数が各分野の引用上位 1% に入るなど、学術界で極めて高く評価・引用されている。 - **汎用 LLM との補完性**: タスクの大分類では LLM も特化モデルも「定量的モデリング」に分類されるが、粒度を下げると重複はほぼ存在せず、LLM のオーケストレーション能力と特化モデルの予測精度が組み合わさることで科学的知識生産を高める。 ## 未解決の問い - 汎用基盤モデル（Foundation Models）のマルチモーダル化・科学的理解の進展によって、どこまでドメイン特化モデルが汎用モデルへ吸収・統合されるか？ - 先進国に偏在する特化モデルの開発能力と、グローバルなモデル利用・波及との間のリソース格差をどう縮小するか？ ## 未編纂の観察 - 2026-09-18: 2,600 件以上の特化型科学 AI モデルを分析した結果、開発は米・中・英・EU などに集中しているが、中低所得国（LMIC）においても被引用率が高く、オープンなモデル公開が波及効果を牽引している。([[@2026__Google__AI in Science - Early Insights]]) ## 関連 - エンティティ: [[DeepMind]] / [[Google]] - 概念: [[科学研究におけるAI活用]] - ソース: [[@2026__Google__AI in Science - Early Insights]] ## 出典 - [[@2026__Google__AI in Science - Early Insights]]