りお | 博士→メーカー研究職

研究の一連の流れを安全な実行環境の中で回す設計が面白いです。 ただし、Docker、GitHub CLIなどのセットアップが必要なので、サクッと使うには少し重め。 現状は、研究自動化のプロトタイプとして見るのが良さそうです。 でも、企業や研究室の解析フローも将来的にはこういう環境に寄っていくのかも

昨日紹介したAI研究ツール関連でいうと、SciClawもかなり面白そうだなと思ってます。 ざっくり言うと、AIエージェントをDockerコンテナ内で動かして、 ・文献調査 ・仮説生成 ・実験計画 ・データ解析 ・図表作成 ・レポート作成 まで支援する「AI for Science」向けの研究ツール。 そして、

単なるスペクトル予測だけでなく、 「分子式＋1D NMRデータから構造を推定する」 という逆解析にも取り組んでいる点。 化学系のAIというと、これまでは逆合成・物性予測・反応予測が注目されがちだったけど、今回の話はもっと日常的な化学者の作業に近い。

化学系のAIとして、Anthropicの「Making Claude a chemist」が話題ですね。 ポイントは、Claude Opus 4.7がNMR解析タスクでChemDrawやMestReNovaのような専門ソフトと同等、場合によっては上回る性能を示したこと。 特に面白いのは、

【研究職就活とインターンシップ】 研究職志望の修士・博士は、夏インターンを軽く見ない方がいいと思っています。 必ず内定に直結するわけではないですが、社員の雰囲気、研究開発の進め方、自分の専門性との接点を認識できる良い機会です。 特に第一志望・第二志望群は、研究が忙しくても応募しておく価値ありです。

28卒研究職志望が6月からやるべきこと ・夏インターンの締切をチェックし、間に合う&興味ある企業があれば応募 ・応募企業を本命/準本命/練習で分ける ・WEBテスト対策の参考書1周進める ・企業向けの研究概要を作る ・志望動機を「価値観→経験→職種→企業」で整理する ・説明会やイベントで一次情報を集める 6月は応募しながら修正する時期です。 研究が忙しくても、ここで動けると夏以降の選択肢がかなり広がると思います。

最近気になっているのが、機械学習ポテンシャルのUMA。 ざっくり言うと、DFT計算で求めていたエネルギーや力を、AIで高速に近似予測するモデルです。 面白いのは、特定の材料だけに閉じたモデルではなく、分子・固体・触媒などをまたいで使える「汎用ポテンシャル」を目指している点。 材料開発では、 ・構造最適化 ・分子動力学計算 ・反応や拡散経路の探索 ・候補材料のスクリーニング みたいな初期検討が、かなり速くなる可能性があります。 もちろん最終的な検証はDFTや実験が必要。 ただ、「最初にどこを探索するか」を決める入口は、かなり変わっていきそうです。

製薬企業の企業研究で、第一三共を見るなら ADCやがん領域だけでなく、ラボオートメーションも見ておきたいところ。 最近では、サンディエゴでSmart Research Laboratoryを設立していて、 ロボットや自動化装置、自社開発ソフトウェアで創薬研究を効率化する取り組みを進めています。 逆質問にするなら、 「AI創薬に取り組んでいますか？」よりも、 「創薬研究の中で、どのような実験プロセスを自動化し、研究者はどの部分により集中するようになっていますか？」 くらいまで具体化した方が、企業理解が深く見えるかも。

とは言っても経験しないと気が済まない高い壁があるのも事実

【博士課程の失敗談：学位要件とIF】 D1のとき、論文投稿でインパクトファクター(IF)10以上のジャーナルに挑みreject / transferされ、結局IF2~3のジャーナルに落ち着く…という経験をしました（原因は完全に実力不足です）。 今振り返ると、博士の取得要件をクリアする上で大切なのは、基本的に「IFの高さより主著論文の数」なので、そこまでこだわる必要はなかったと思います。 例えば、1本JACSを通すことに全振りするより、まずはIFなんて気にせず論文を複数通して卒業要件を確保するのが確実です。 IF10超えへの挑戦は、要件を満たした後に心置きなくやるのがメンタル的にも理想的ですね。

企業で研究職として働いてみて、地味に一番捨てた方がいいと思うのは「優秀に見られたい欲」です。 分かってから報告しよう。 もう少し調べてから聞こう。 変な質問だと思われたくない。 自分では丁寧に進めているつもりでも、抱えている時間が長いほど、周りからは「今どこで詰まっているのか」が見えなくなります。 実際、上司にも「なんでそこで聞かなかったの？」と言われることがあります。 大学院では、自分のテーマを自分で掘る時間が長く、多少詰まっても最後に形にできればよかった面がありました。 でも会社に入ると、仕事は一人で完結しません。 期限も目的も関係者も存在するので、途中経過を共有すること自体が仕事なのだと感じています。 いい大学を出たとか、これまで業績を出したとかは、もちろん大事な経験です。 でも会社では、過去に何者だったかより、今どんな貢献ができたかの方が見られる。 だから最初のうちは、優秀に見せるより、早く聞いて、早く試して、早く直す。 一度ゼロから始めるくらいの気持ちでいたいです。

【化学系の人が関東配属を狙いやすいメーカー８選】 「化学メーカーって地方勤務でしょ」 というイメージがありますが、 関東近郊に研究開発拠点を持つ企業も実は意外と多いです。 個人的に思う関東配属を狙いやすい化学系メーカーとその勤務地は以下です。 日産化学：船橋 ADEKA：東京・浦和 AGC：横浜・千葉 三菱ガス化学：葛飾・平塚 レゾナック：茨城・神奈川 コニカミノルタ：八王子 富士フイルム：小田原 ブリジストン：小平 組織の再編等で変わることもありますが、28卒の方はぜひチェックしてみてください！

社会人になってから、発信や資料作成は「頑張っている感」が見えやすいものだと感じます。 noteを書く、SNSを更新する、資料作成等でスライドを整える。 どれも重要なアウトプットですが、それだけに時間を使っていると、専門性のインプットは少しずつ減っていきます。 大学院にいた頃は、論文を読む、実験する、解析する、考える、という流れが日常の中に組み込まれていました。 一方で社会人になると、勉強の時間は自分で意識して取りにいかないと、自然に消えていきます。 思えば大学院にいたときも、他にやるべきことがあるにも関わらず、スライドを綺麗に見せようとして丸一日格闘したことがありました。 アウトプットを続けるためにも、静かに勉強する時間が必要だなぁと感じます。

私がやっていた研究職就活でのAI活用 ESや研究概要をそのまま書かせるというより、 自分の研究経験を企業向けに翻訳する壁打ちに使っていました。 たとえば、研究内容をAIに投げて、 ・何を課題と捉えたか ・なぜその仮説を立てたか ・どう検証したか ・次に何をやるべきか を質問してもらい一緒に考えるイメージです。 最近の就活で見られるのは、 文章のうまさより、これらを自分の言葉で話せるかだと思います。 AIが文章を整えてくれる時代ほど、逆に自分の思考の粗さに気づきにくくなります。 だからこそ、AIを自分の浅い部分を見つける道具として使うのも良いなと感じた話でした。

インターンやイベント参加です。 研究力だけでなく、 「本当にこの会社に来たいか」 もかなり見られています。 実際、研究職は インターン参加者から多く採用される企業もあります。 能力だけでなく、 志望度や会社への熱意も選考ではかなり重要です。 志望度が高いと判断されるポイントの一つは、自分の価値観と企業の方針が一致してること、だと思ってます。

論文・受賞実績がなくても研究職を目指す方法 論文、学会、受賞はもちろんあるに越した事はないですが、 企業が本当に見ているのは「研究を前に進められる人か」です。 例えば、 ・課題をどう捉えているか ・仮説と検証を考えられるか ・手を動かして試行錯誤しているか ・途中経過を整理して話せるか このあたりはかなり重要だと思っています。 あと意外と重要なのが、

博士に進学するのって、 今の20代にとってはけっこう非合理的な選択だと思ってます。 それでも進学した理由は人それぞれだと思いますが、意外と言語化する機会って少ないですよね。 私の場合はこんな理由でしたっていうのを記事にしたので、 進学を迷ってる人や、就活で言語化に苦戦してる人の参考になれば嬉しいです！