ジェミニによる科学研究の加速：事例研究と共通手法

Accelerating Scientific Research with Gemini: Case Studies and Common Techniques

February 3, 2026

著者: David P. Woodruff, Vincent Cohen-Addad, Lalit Jain, Jieming Mao, Song Zuo, MohammadHossein Bateni, Simina Branzei, Michael P. Brenner, Lin Chen, Ying Feng, Lance Fortnow, Gang Fu, Ziyi Guan, Zahra Hadizadeh, Mohammad T. Hajiaghayi, Mahdi JafariRaviz, Adel Javanmard, Karthik C. S., Ken-ichi Kawarabayashi, Ravi Kumar, Silvio Lattanzi, Euiwoong Lee, Yi Li, Ioannis Panageas, Dimitris Paparas, Benjamin Przybocki, Bernardo Subercaseaux, Ola Svensson, Shayan Taherijam, Xuan Wu, Eylon Yogev, Morteza Zadimoghaddam, Samson Zhou, Vahab Mirrokni

cs.AI

要旨

大規模言語モデル（LLM）の最近の進展は、科学研究を加速させる新たな道を開いた。日常的なタスクの支援においてモデルの能力が高まる一方で、専門家レベルの新規数学的発見への貢献能力については十分に理解されていない。本稿では、研究者が高度なAIモデル、特にGoogleのGeminiベースのモデル（特にGemini Deep Thinkとその高度な変種）と協力し、理論計算機科学や、経済学、最適化、物理学などの他の分野にわたる未解決問題の解決、予想の反証、新たな証明の生成に成功した事例研究を集めて提示する。これらの経験に基づき、反復的な改良、問題の分解、学際的知識転送など、理論研究における効果的な人間-AI協働のための共通手法を抽出する。我々の成果の大部分はこの対話的・会話型の手法に由来するが、標準的なチャットインターフェースを超える特定の事例も強調する。これには、既存の証明における微妙な欠陥を検出するためにモデルを厳密な敵対的査読者として展開すること、複雑な導出を検証するためにコードを自律的に記述・実行する「ニューロシンボリック」ループにモデルを組み込むことなどが含まれる。これらの事例は総じて、AIが単なる自動化のツールとしてではなく、科学的発見という創造的プロセスにおける汎用的で真のパートナーとしての可能性を浮き彫りにする。

English

Recent advances in large language models (LLMs) have opened new avenues for accelerating scientific research. While models are increasingly capable of assisting with routine tasks, their ability to contribute to novel, expert-level mathematical discovery is less understood. We present a collection of case studies demonstrating how researchers have successfully collaborated with advanced AI models, specifically Google's Gemini-based models (in particular Gemini Deep Think and its advanced variants), to solve open problems, refute conjectures, and generate new proofs across diverse areas in theoretical computer science, as well as other areas such as economics, optimization, and physics. Based on these experiences, we extract common techniques for effective human-AI collaboration in theoretical research, such as iterative refinement, problem decomposition, and cross-disciplinary knowledge transfer. While the majority of our results stem from this interactive, conversational methodology, we also highlight specific instances that push beyond standard chat interfaces. These include deploying the model as a rigorous adversarial reviewer to detect subtle flaws in existing proofs, and embedding it within a "neuro-symbolic" loop that autonomously writes and executes code to verify complex derivations. Together, these examples highlight the potential of AI not just as a tool for automation, but as a versatile, genuine partner in the creative process of scientific discovery.