分子設計は、AIを活用した創薬における長年の「聖杯」とされてきた。しかし、分子の複雑な2次元構造をコンピューター上で再現しようとすると、現実には存在し得ない不適切な分子が生成されることが大きな課題となっていた。従来の生成手法では、化学の基本原則を維持しながら新しい構造を探索することは極めて困難だったからである。

この課題を解決するため、KAIST AIの研究チームはHierarchical Discrete Diffusionを用いるフレームワーク「MolHIT」を公開した。このシステムは、分子を無作為に生成するのではなく、情報を階層（レイヤー）状に整理して処理する。最終的な構造を決定する前に、各原子や化学結合の根本的な役割をAIに深く理解させることで、生成される分子グラフが化学の法則に厳格に従うことを可能にした。

その成果は極めて画期的だ。業界標準のMOSES datasetにおいて、グラフベースの拡散モデルではこれまで不可能と考えられていた「ほぼ完璧な妥当性」を達成したのである。特に、原子を化学的役割に基づいて分類する手法により、複数の特性を指定した合成や分子骨格の拡張といった複雑なタスクを、かつてない精度で実行できるようになった。

研究者にとって、今回の進展は「プログラマブルな医療」への大きな飛躍を意味する。生成された分子が最初から化学的に正しいことが担保されるため、コストのかかる膨大な試行錯誤を省略できるからだ。これにより、デジタル設計からラボでの実用化に至るまでのプロセスが、劇的に加速されることが期待されている。

新しい薬のもとになる「分子の形(分子設計)」をAIに考えさせることは、科学者たちの長年の大きな夢(聖杯)でした。しかし、コンピューターの中で分子の複雑な形を再現しようとすると、現実の世界には存在できないような不自然な形ができてしまうことが大きな課題でした。化学のきびしいルールを守りながら、新しい構造を見つけ出すのはとても難しかったからです。

この問題を解決するために、KAISTの研究チームは情報をステップごとに整理して考える新しい仕組み(階層型拡散モデル：MolHIT)を公開しました。このシステムは、でたらめに形を作るのではなく、情報を階段のように順番に整理(階層化)して処理します。AIが、分子を形作る小さな粒(原子)や、その粒同士のつながり(化学結合)がどんな役割を持っているのかを深く理解してから全体の形を決めることで、化学のルールを完ぺきに守った正しい分子の図(分子グラフ)を作れるようになりました。

この成果は、世界を驚かせるほど画期的なものでした。薬作りのAIの能力をはかる世界共通のテスト(MOSES dataset)で、これまでは不可能だと思われていた「ほぼ100%正しい形を作る」という記録を達成し、世界一の座(世界最高水準：SOTA)に輝いたのです。特に、粒をその役割ごとに分けて考える工夫によって、特定の性質を持たせたり、形を一部だけ作り変えたりといった難しい作業も、驚くほど正確にできるようになりました。

研究者にとって、今回の進歩は「プログラムを書くように自由に薬を作れる未来(プログラマブルな医療)」への大きな一歩です。AIが最初から「正しい形」だけを作ってくれるので、これまでの実験で繰り返してきた無駄な失敗をなくすことができます。これにより、コンピューターでの設計から実験室で実際に薬が完成するまでのスピードが、劇的に速くなることが期待されています。