大規模言語モデルによる科学的アイデア生成：創造性中心のサーベイ

要旨

科学的アイデア生成は、科学の発見の中核を成すものであり、未解決問題の解決や未知の現象を説明する新たな仮説の提案を通じて、人類の進歩を駆動してきた。標準的な科学的推論や一般的な創造的生成とは異なり、科学におけるアイデア生成は多目的かつ未踏の課題であり、貢献の新規性は経験的健全性と同様に本質的である。大規模言語モデル（LLM）は近年、驚くべき直観力と許容可能な推論により、一貫性があり事実に基づいた出力を生成できる、有望な科学的アイデアの生成器として台頭している。しかし、その創造的能力は一貫性に欠け、十分に理解されていない。本調査は、LLM駆動による科学的アイデア創出の方法論を体系的に統合し、異なるアプローチが創造性と科学的健全性をどのようにバランスさせているかを検証する。既存の方法論を、相互補完的な5つのカテゴリーに分類する：外部知識拡張、プロンプトベースの分布的誘導、推論時のスケーリング、マルチエージェント協調、パラメータレベル適応。これらの貢献を解釈するため、二つの補完的枠組みを採用する：各カテゴリーが生成されると期待されるアイデアの水準を特徴づけるためのボーデンの創造性分類（組み合わせ的、探索的、変革的創造性）、および各手法が強調する創造性の側面や源泉を位置づけるためのローズの4P枠組み（人物、過程、環境、産物）。方法論の進展を創造性枠組みに対応させることで、本調査は当該分野の現状を明確にし、科学的発見におけるLLMの信頼性高く体系的かつ変革的な応用に向けた主要な方向性を提示する。

English

Scientific idea generation lies at the heart of scientific discovery and has driven human progress-whether by solving unsolved problems or proposing novel hypotheses to explain unknown phenomena. Unlike standard scientific reasoning or general creative generation, idea generation in science is a multi-objective and open-ended task, where the novelty of a contribution is as essential as its empirical soundness. Large language models (LLMs) have recently emerged as promising generators of scientific ideas, capable of producing coherent and factual outputs with surprising intuition and acceptable reasoning, yet their creative capacity remains inconsistent and poorly understood. This survey provides a structured synthesis of methods for LLM-driven scientific ideation, examining how different approaches balance creativity with scientific soundness. We categorize existing methods into five complementary families: External knowledge augmentation, Prompt-based distributional steering, Inference-time scaling, Multi-agent collaboration, and Parameter-level adaptation. To interpret their contributions, we employ two complementary frameworks: Boden's taxonomy of Combinatorial, Exploratory and Transformational creativity to characterize the level of ideas each family expected to generate, and Rhodes' 4Ps framework-Person, Process, Press, and Product-to locate the aspect or source of creativity that each method emphasizes. By aligning methodological advances with creativity frameworks, this survey clarifies the state of the field and outlines key directions toward reliable, systematic, and transformative applications of LLMs in scientific discovery.

大規模言語モデルによる科学的アイデア生成：創造性中心のサーベイ

Large Language Models for Scientific Idea Generation: A Creativity-Centered Survey

要旨

Support