Uploaded July 2026 | Updated September 2026, 3 hours ago
「生命科学分野におけるマルチモーダルAIフレームワークおよび基盤モデルの開発」
講演者 ：小島 諒介 (理化学研究所)
開催日時 ：2026年1月21日（水）13:00～14:00
概要 ：近年、スケーラブルな計算基盤の進展を背景とした人工知能（AI）の発展により、生命科学分野におけるAIおよび機械学習の応用が大きく加速しています。医療や創薬といった分野では、ゲノミクス、分子構造、臨床情報など、複数のモダリティにまたがる異種データを統合することが不可欠です。本講演では、大規模データとスケーラブルな計算によって実現される生命科学分野のAI応用について、ネットワーク構造データを対象としたグラフニューラルネットワークやマルチモーダルAIフレームワークに焦点を当てて紹介します。さらに、大規模事前学習に基づく分子基盤モデルの開発についても議論します。
"Development of multimodal AI frameworks and foundation models in life sciences"
Speaker: Dr. Ryosuke Kojima, RIKEN
Date and Time: Wednesday, January 21, 2026, 13:00–14:00 (JST)
Recent advances in artificial intelligence (AI), with scalable computational infrastructures, have significantly accelerated the application of AI and machine learning in the life sciences. In domains such as healthcare and drug discovery, it is essential to integrate heterogeneous data from multiple modalities, including genomics, molecular structures, and clinical information. This talk highlights AI applications in the life sciences enabled by large-scale data and scalable computation, with a focus on graph neural networks for network-structured data and multimodal AI frameworks. We further discuss the development of molecular foundation models based on large-scale pretraining.
「生命科学分野におけるマルチモーダルAIフレームワークおよび基盤モデルの開発」
講演者 ：小島 諒介 (理化学研究所)
開催日時 ：2026年1月21日（水）13:00～14:00
概要 ：近年、スケーラブルな計算基盤の進展を背景とした人工知能（AI）の発展により、生命科学分野におけるAIおよび機械学習の応用が大きく加速しています。医療や創薬といった分野では、ゲノミクス、分子構造、臨床情報など、複数のモダリティにまたがる異種データを統合することが不可欠です。本講演では、大規模データとスケーラブルな計算によって実現される生命科学分野のAI応用について、ネットワーク構造データを対象としたグラフニューラルネットワークやマルチモーダルAIフレームワークに焦点を当てて紹介します。さらに、大規模事前学習に基づく分子基盤モデルの開発についても議論します。
"Development of multimodal AI frameworks and foundation models in life sciences"
Speaker: Dr. Ryosuke Kojima, RIKEN
Date and Time: Wednesday, January 21, 2026, 13:00–14:00 (JST)
Recent advances in artificial intelligence (AI), with scalable computational infrastructures, have significantly accelerated the application of AI and machine learning in the life sciences. In domains such as healthcare and drug discovery, it is essential to integrate heterogeneous data from multiple modalities, including genomics, molecular structures, and clinical information. This talk highlights AI applications in the life sciences enabled by large-scale data and scalable computation, with a focus on graph neural networks for network-structured data and multimodal AI frameworks. We further discuss the development of molecular foundation models based on large-scale pretraining.
