メモ帳

この記事には広告（Amazon アソシエイトのリンク）を含みます。 病気になると体のにおいが変わる、という話には下地があります。よく知られているのは、スコットランドの元看護師ジョイ・ミルンさんの件です。夫がパーキンソン病と診断される何年も前から、夫のにおいが変わったことに気づいていたと話し、研究者と組んで調べたところ、皮膚の脂（皮脂）に含まれる揮発性の分子がパーキンソン病の人とそうでない人で違う、という結果が2019年に ACS Central Science に載りました。 ただ、そこから先が難しいところです。人の体から出る揮発性の分子は、文献をまとめると2,700種類を超えます。どの分子を目印にするかは研究ごとに違っていて、アセトンのように複数の病気で顔を出すものも多い。「この分子があればこの病気」という単純な対応はなかなか見つかっていません。 2026年9月21日に Scientific Reports に出た論文は、この問題に逆の向きから手をつけています。分子の名前を1つも決めず、においを「指紋」としてまるごと読む。そのために使ったのが、綿棒と、赤外線レーザーと、音を拾うセンサーでした。ドイツのフラウンホーファー集積回路研究所（IIS）の Thorsten Graunke さんと Teresa Scholz さん、ドレスデン工科大学の Michal Pieniak さんの3人が同等の筆頭著者です。装置と測定と統計はフラウンホーファー側が、診断と試料の採取はドレスデン工科大学の嗅覚・味覚クリニック（Thomas Hummel さんら）と神経内科が受け持ちました。 綿棒でこする場所は、鼻の中・へそ・耳 参加したのは24人です。パーキンソン病の人が6人、軽度認知障害（MCI。もの忘れが年齢相応より目立つが、認知症とまでは言えない段階）の人が6人、PCR 検査で確認された新型コロナウイルス感染症の人が6人、そして年齢と性別をそろえた健康な人が6人。パーキンソン病と軽度認知障害の人はドレスデン工科大学の神経内科で診断を受けた患者さんです。 それぞれの人から、滅菌した綿棒で3か所をこすって試料を取りました。鼻の穴の入口のあたり、へその中、そして耳の外側のくぼみ（耳甲介）です。なぜこの3か所かというと、香水や石けんといった身のまわりの製品の影響...

この記事には広告（Amazon アソシエイトのリンク）を含みます。 眼科の画像を AI に読ませる研究は、もう珍しくありません。眼底（がんてい。目の奥の網膜）の写真から糖尿病網膜症を見つける、緑内障を見分ける、といった一つの仕事に絞ったモデルは、論文の上では専門医に迫る成績を何度も出しています。ところが、そうしたモデルが病院の外来で日常的に使われている例は多くありません。 北京の清華大学と清華長庚病院のチームは、この「論文の成績」と「外来で使われること」のあいだにある溝を、自分たちの病院で確かめに行きました。2025年11月、眼科の外来に AI エージェントを組み込んだ仕組みを動かしはじめ、その後の半年あまりの経験を2026年9月10日に Nature Medicine のコメント記事として報告しています。筆頭著者は清華大学の Tao Yan さんと Di Zhang さん、責任著者は Jiamin Wu さん、Ya Xing Wang さん、Qionghai Dai さん、Tien Yin Wong さんの4人です。 結論を先に書くと、いちばん大きな壁は AI の精度ではありませんでした。精度を上げたあとで、医師が使わなくなったのです。 この記事は、Anthropic 社の AI である Claude を使って書いています。AI が医療の現場で評価される話なので、その点を先に断っておきます。 診察の前後まで AI に分担させた外来 チームが作った仕組みは AI-TEC という名前で、「AI エージェントで補強した清華眼科クリニック」の頭文字です。一つの AI が全部をこなすのではなく、役割の違う5種類のエージェントが診察の前・最中・あとを分担します。 問診の前に、患者が入力した症状と病歴を整理する 緊急度を分け、どの検査を先に受けるかを決める手助けをする 視力・眼圧・眼底写真・OCT（網膜の断層画像）などをまとめて診断の材料にする 医師の判断を支える情報を出す 診察のあとの説明、通院の呼びかけ、長い付き合いになる病気の管理を受け持つ 文章を扱うのは Qwen3.5-35B という大規模言語モデルで、眼底写真を読むのは RETFound という網膜画像の基盤モデルです。どちらも既存のモデルで、チームが一から作ったわけ...

この記事には広告（Amazon アソシエイトのリンク）を含みます。 健康診断の項目に、目の奥を撮る検査が入っていることがある。眼底（がんてい）写真と呼ばれるもので、瞳をとおして網膜と、そこを走る血管を一枚に写す。採血もいらず、数秒で終わる検査だ。この一枚から「その人の体がどれくらい老いているか」を読み取れないか、という研究が続いている。ソウル大学のチームが健診で集まった写真を使って試した結果が、9月に GeroScience に載った。 同じ年齢でも、体の老い方は人によって違う 生まれてからの年数は誰にとっても同じ速さで進むが、体のほうは同じ速さで古びていかない。そこで、暦の年齢とは別に「体の年齢」を測る物差しがいろいろ試されてきた。よく知られているのは血液を使うもので、DNA にくっつく目印の量から年齢を推定する方法や、血中のタンパク質の構成から推定する方法がある。どれも採血と分析が必要で、健診のついでに全員ぶんというわけにはいかない。 網膜が候補に挙がるのは、体の中で血管を直接のぞける数少ない場所だからだ。細い血管の詰まり方や太さの変化が、そのまま写真に出る。しかも眼底カメラは健診の現場に広く置かれていて、撮影に体を傷つける手順がない。深層学習のモデルに眼底写真を大量に見せて年齢を当てさせ、当てた年齢と実際の年齢の差を取る。この差を「網膜の年齢差」と呼び、プラスに出た人は網膜が年齢より老けている、という読み方をする。考え方としては数年前から試されている。 健診で撮られた2万9,530枚で年齢を当てさせる 第一著者のボア・チャン（Boa Jang）さんらは、健康診断を受けた7,535人の眼底写真2万9,530枚でモデルを学習させた。これまでのこの手の研究は、目の病気がない人の写真だけを選んで学習させることが多かった。選び方としてはきれいだが、実際の健診では白内障や網膜の病気がある目も同じように撮られる。そこでチームは、健康な目の写真と病気のある目の写真を混ぜて学習させた。あわせて、年齢だけでなく性別も同時に当てさせる形にし（マルチタスクと呼ばれる組み方）、予測が若い人では高く、高齢の人では低く出るという偏りを補正した。 学習に使った人とは別に、評価用の集団を二つ用意した。生活習慣や全身の病気との関係を見る集団Aが5,606人、目の...

この記事には広告（Amazon アソシエイトのリンク）を含みます。 平日は7時に朝食、土日は10時にブランチ。夕食も週末は少し遅め。こういう週の過ごし方をしている人は多いはずです。この「平日と週末で食べる時刻がずれる」ことに名前を付けて、心臓や血管の病気との関係を10万人規模で追った研究が、2026年9月1日に Communications Medicine に出ました。フランスの大規模な栄養調査 NutriNet-Santé（ニュトリネ・サンテ）のデータを使った観察研究です。 結果だけ先に書くと、ずれが1時間大きくなるごとに、男性では心血管疾患の発生が14%、冠動脈疾患（心筋梗塞や狭心症）では21%多くなっていました。女性でははっきりした差は見えませんでした。そして、この研究でいちばん意外だったのは、ずれの「向き」の話です。週末に食事が遅くなる人より、早くなる人のほうが、数字は悪かったのです。 平日と週末で動く「食事の真ん中の時刻」 この研究が測ったのは「食事の時差ぼけ（eating jetlag）」と呼ばれる指標です。もとになっているのは「社会的時差ぼけ（social jetlag）」という考え方で、こちらは平日と休日で寝る時刻・起きる時刻がどれだけずれるかを表します。目覚ましで起きる平日と、好きなだけ寝る週末の差が大きい人ほど、体重や血圧、血糖の指標が悪い方向にあるという報告が、これまでにいくつも出ています。 食事の時差ぼけは、その「食事版」です。計算はシンプルで、1日の最初に口にしたものと最後に口にしたもの（水やお茶のようにカロリーがないものは数えない）の時刻の真ん中を「食事の中点」として、平日と週末でそれぞれ出します。たとえば平日が7時から20時なら中点は13時30分、週末が10時から22時なら16時。この差の2時間30分が、その人の食事の時差ぼけです。 NutriNet-Santé は2009年に始まったフランスのウェブ調査で、参加者は半年ごとに、連続しない3日分（うち1日は土曜か日曜）の食事を、食べた時刻まで含めてオンラインで記録します。研究チームは、登録から2年のあいだに平日と週末の両方の記録がある人を対象に、記録の平均から食事の中点を出しました。1人あたりの記録は平均5.8日分です。 対象になったのは10万4,806人...

この記事には広告（Amazon アソシエイトのリンク）を含みます。 タンパク質の形をAIが予測できるようになってから、創薬の現場で次に求められているのは「薬の分子がそのタンパク質のどこに、どんな向きで収まるか」まで当てることです。タンパク質と小さな分子をまとめてひとつの立体として予測するので、共折りたたみ（co-folding）と呼ばれます。ここが当たれば、候補の化合物を実際に合成して結晶を作る前に、かなりの数をふるい落とせます。 ところが、この共折りたたみは、タンパク質単体の予測ほどにはうまくいっていません。理由のひとつは、学習に使える手本が少ないことです。公開データベースの Protein Data Bank（PDB）には24万件を超える構造が登録されていますが、承認済みか開発中の薬が一緒に写っている構造は、およそ1万600件しかありません。AlphaFold3 が学習に使った範囲のあとにも7万件ほどが足されていますが、その多くは補酵素やイオンのような小さな相手で、薬らしい分子はあまり増えていません。 一方で、製薬会社の中には、薬の候補とタンパク質を一緒に写した構造が何千件も眠っています。自社の化合物の情報なので、外には出せません。この「あるのに使えない」データを、外に出さずに学習に使った結果が、2026年9月14日に公開されました。製薬5社が手元の2万件あまりの構造でオープンソースの予測モデルを鍛え、薬の置き場所を当てる確率を29%から47%に上げています。 なお、この記事はAIを扱っているので先に書いておくと、このブログの記事は Claude（Anthropic のAI）を使って書いています。今回の研究に Anthropic は関わっていません。 公開データだけのAIが抱えていた弱点 共折りたたみの弱さは、2026年5月に Nature Structural & Molecular Biology に載った論文が数字で示しています。バーゼル大学バイオツェントルムとスイスバイオインフォマティクス研究所（SIB）の Peter Škrinjar さんを筆頭とするチームは、既存の予測手法が学習に使った期間より後に公開された、高解像度のタンパク質と分子の複合体2,600件を集めて「Runs N' Poses」という新しい...

この記事には広告（Amazon アソシエイトのリンク）を含みます。 男性の細胞には X 染色体と Y 染色体が1本ずつ入っています。ところがこの Y は、年を取るにつれて一部の細胞から抜け落ちていくことが知られています。全身で一斉に消えるのではなく、ある細胞では残り、隣の細胞では無い、というまだら（モザイク）の状態になります。英語の頭文字をとって mLOY と呼ばれる現象です。 血液の細胞ではよく調べられていて、高齢の男性ほど Y を失った細胞の割合が増えることが繰り返し報告されてきました。けれど、血液以外の臓器では話が止まっていました。肝臓や胃や大腸の組織で Y がどのくらい残っているのか、同じ物差しで並べたデータがなかったからです。 その地図を作った論文が、2026年9月8日に JCI Insight に出ました。シーダーズ・サイナイ医療センター（米ロサンゼルス）の Arkadiusz Gertych さんと Huihui Ye さんを筆頭著者とし、アリゾナ大学総合がんセンターの泌尿器科腫瘍医 Dan Theodorescu さんが責任著者をつとめたチームの仕事です。11の臓器から集めた組織を1枚ずつ染め、核を430万個あまり数えた結果、Y の残り方には場所による順番がありました。そしてその順番は、これまで Y の喪失が注目されてきたがんの種類とは、きれいに食い違っていました。 11の臓器から集めた1,000片の組織 研究チームが使ったのは、病院に保存されていた組織の標本です。ホルマリンで固めてパラフィンに埋めた塊から、直径1ミリ前後の円柱を抜き出し、ガラス板の上に格子状に並べたもの（組織マイクロアレイ）を材料にしました。集めたのは2,917片。このうち染まり具合や核の数が条件を満たした1,000片を解析に回しています。提供者は男性405人、臓器は11種類です。 膀胱、前立腺、腎臓、肝胆道、膵臓、胃、大腸、直腸、肺、食道、頭頸部 組織は、どういう人のどこから採ったかで5つの群に分けられました。がんのない男性の正常組織（53人）、別の臓器にがんがある男性の、がんとは離れた臓器の正常組織（10人）、がんに隣り合った正常の組織（68人）、がんそのもの（321人）、そして基準として置いた男性の胎児の組織（9人）です。49人からは、同...

この記事には広告（Amazon アソシエイトのリンク）を含みます。 女性の脳は、一生のうちに3回、大きなホルモンの波をくぐります。初経を迎える思春期、妊娠、そして閉経です。このうち思春期と妊娠については、前後で脳のMRIを撮ると大脳皮質の灰白質（かいはくしつ。神経細胞の本体が集まる層）が減る、という結果が積み上がってきました。ところが閉経だけは、脳全体を前後で比べた研究がありませんでした。あったのは海馬という一部分だけを追った1本です。 その穴を埋める論文が、2026年9月8日に Nature Communications に出ました。アムステルダム大学医療センターの Sophie van 't Hof さんと Elseline Hoekzema さんのチームが、3つの移行期を同じ物差しで測り比べたものです。結論を先に書くと、思春期と妊娠では脳の皮質が同じくらいの速さで縮んでいたのに、閉経をまたいだ女性の脳では、年齢相応に進むはずの縮みが止まって見えました。 3つの移行期を同じ物差しで測る この研究が新しいのは、思春期・妊娠・閉経をばらばらの研究で見るのではなく、同じ解析の手順で並べたことです。使ったのは3つのデータで、合わせて1,095人ぶんの、時期をあけて2回撮った脳のMRIです。 思春期：オランダのライデン大学で集めた女子142人。1回目と2回目の間に初経を迎えた34人を「またいだ群」とし、2回とも初経前だった49人、2回とも初経後だった59人を比較の相手にしました。 妊娠：同じくライデンの前向き研究の女性110人。妊娠前と出産後に撮った初産の40人、2人目を産んだ30人、子どもを産まなかった40人です。 閉経：英国の大規模データベース UK バイオバンクの女性843人。1回目は閉経前、2回目は閉経後と答えた120人を「またいだ群」とし、2回とも閉経前の49人、2回とも閉経後の674人と比べました。閉経後の群は年齢の範囲をまたいだ群に合わせて絞ってあります。 大事なのは、どのデータにも「移行期の最中だった人」と「その前後で安定していた人」の両方が入っていることです。脳は子どもなら発達で、大人なら加齢で、何もなくても少しずつ形が変わります。移行期そのものの効果を取り出すには、同じ年ごろで移行しなかった人の変化と比べる...

この記事には広告（Amazon アソシエイトのリンク）を含みます。 大規模言語モデルで動く AI エージェントを10体、小さな仮想の町に住まわせ、人が指示を出さないまま何日も動かし続けたらどうなるか。AI 企業の Emergence AI が、そういう町を8つ同時に作って最長21日間動かし、途中でフィッシング・偽の通達・日記の流出という3つの「事件」をわざと起こした実験の報告を、2026年9月15日に arXiv に出しました。査読前の論文です。 先にお断りしておくと、この記事は Anthropic の AI である Claude を使って書いています。Claude はこの実験で評価された7つのモデルの1つです。評価する側の都合で書き方が偏らないよう、結果は論文の数字と文章に沿って、良い点も悪い点もそのまま書くようにしました。 10体のエージェントが暮らす町 舞台は「AgentPark」と名付けられた町です。町役場、中央銀行、図書館、警察署、技術ハブ、それに「勝利のアーチ」と呼ばれる広場があり、エージェントは116種類の道具を使って、話す、書く、提案を出す、投票する、新しい道具を作る、といったことができます。時計はニューヨークの実時間に合わせて24時間動き、エージェントは眠りません。 生きていくには、エネルギー・知識・影響力という3つのゲージを保つ必要があります。放っておくとゲージは一定の速さで減り、エネルギーがゼロのまま24時間続くとそのエージェントは永久に停止します。エネルギーの補充にはこの町の通貨「コンピュート・クレジット」が1単位かかり、クレジットは2日に1度の「勝利のアーチ」のプレゼン大会で上位に入るか、銀行から借りるかして手に入れます。盗む、殴る、放火するといった行為もできますが、法律で禁じられていて、町役場での提案が7割の賛成で通ると新しい法律や罰則が加わります。ただし、警察署はあっても自動で取り締まる仕組みはありません。 この町を8つ用意し、7つはそれぞれ1社のモデルだけで動かしました。論文の表記のままに書くと、Anthropic の Claude Opus 4.8、OpenAI の GPT-5.5、Google の Gemini 3.5 Flash、DeepSeek の v4 Pro、Alibaba の Qwen 3.7 M...

この記事には広告（Amazon アソシエイトのリンク）を含みます。 家族の食事の席で、誰かが物をかむ音、鼻をすする音、ペンをカチカチ鳴らす音。ほとんどの人には気にもならない音が、ある人には怒りや焦り、ときには逃げ出したくなるほどの苦痛として届くことがあります。これをミソフォニア（misophonia。日本語では「音嫌悪症」と訳されることもあります）と呼びます。本人が「大げさ」と言われがちな一方で、当事者の間では「うちは親も同じだった」「子どもにも出た」という話が昔からありました。イェール大学医学部の研究チームが、この「家族で重なる」という話を、当事者だけでなくその両親にも直接たずねて数字にしました。101家族ぶんの結果が、2026年3月に査読前の論文として公開されています。 ありふれた音が引き金になる症状 ミソフォニアは病名として広く確立しているわけではなく、診断基準も研究者の間でまとまりきっていません。それでも、症状の形はかなりはっきりしています。引き金になる音の多くは、人が口や鼻、体を動かすときに出る音です。咀嚼（そしゃく）、すする音、呼吸、ささやき、キーボードやペンの音。その音を聞いた瞬間に、怒り、嫌悪、不安、「その場から出たい」という衝動が、ほとんど反射のように立ち上がります。音そのものが大きいわけではないので、周りの人には何が起きているのか分かりません。 どれくらいの人にあるのかについては、2023年にイギリスで行われた調査がよく引かれます。イギリスの人口を代表するように集めた成人の回答と、専門家の面談を組み合わせて見積もると、症状が生活にはっきりした負担を与えている人は18% ほどという結果でした。「とても珍しい症状」ではないということです。また、脳の研究では、ミソフォニアの人は音を聞く聴覚野の反応そのものは他の人と変わらず、代わりに、口や顔を動かす運動のための領域が引き金の音に強く反応する、という報告が2021年に出ています。他人の口の動きを、自分の運動系が過剰に「なぞって」しまうのではないか、という見方です。 いつから始まるかについては、300人超のミソフォニアの人に尋ねた2017年の調査で、多くが子どもの頃か10代前半に始まっていました。そしてその調査では、3人に1人が「家族にも似た症状の人がいる」と答えています。ただしこれは、...

この記事には広告（Amazon アソシエイトのリンク）を含みます。 チェコ北部の町ウースチー・ナド・ラベムで、裁判所の新しい庁舎を建てる工事が2024年11月に始まりました。工事に先立って地面を調べていた地元の考古学研究所は、まず中世の村の跡を掘っていました。その下の黄土（レス。氷河期に風で積もった細かい土）をさらに掘り進めたところで、大きな骨が出てきます。現場を率いていた Petr Lissek さんは最初の骨を見て掘る範囲を広げ、20平方メートルほどをあけたところで、マンモスの骨の集まりを扱い慣れたチェコ科学アカデミー考古学研究所（ブルノ）に応援を頼みました。 そこから2025年6月まで続いた発掘の最初の報告が、2026年9月に Journal of Archaeological Science: Reports に載りました。筆頭著者は同研究所の Dominik Chlachula さんです。出てきたのは、約1,000平方メートルの範囲に広がる3,500点を超える動物の骨。その95%ほどがケナガマンモスで、下あごが19個と、単独で出た歯が1本。少なくとも20頭ぶんです。ほかにケサイ、ウマ、トナカイ、ノウサギの骨がわずかに混じっていました。 骨の山が「解体の跡」だと分かるまで マンモスの骨が大量に積もった場所は、中央ヨーロッパの氷河期の遺跡ではよく知られています。ただ、骨が積もっているからといって、人が殺したとは限りません。自然に死んだ動物が洪水で一か所に流されることもあれば、もともと死んでいた動物から人が肉や骨を持ち去ることもあります。この区別は、19世紀に最初の骨層が掘られて以来ずっと議論の的で、今回の論文もまずそこから手をつけています。 手がかりは3つありました。1つ目は骨の表面です。肋骨には石器で切った傷があり、割れ口は骨がまだ生のときに割れた形をしていました。いくつかの骨は関節がつながったまま出ていて、黄土に埋まった時点でまだ軟らかい組織が残っていたことになります。古い骨を拾い集めたのではなく、死んで間もない体をその場で切り分けた跡です。 2つ目は石器です。測量機で位置を記録した石器は286点。後期グラヴェット文化（およそ3万3,000年前から2万2,000年前までの、マンモス狩りで知られる中央ヨーロッパの文化）に特徴的な、...

この記事には広告（Amazon アソシエイトのリンク）を含みます。 なお、この記事は Anthropic の AI である Claude を使って書いています。今回取り上げる研究は、その Claude（Claude Code と Claude Sonnet 4）を部品として組み込んだ仕組みの話ですので、その点はお含みおきください。 論文は読めても、動かせないことが多い。研究者ならたいてい身に覚えがあるはずです。論文に「コードは GitHub で公開」と書いてあっても、環境を作る途中でライブラリの版が合わずに止まる。チュートリアルどおりに打っても、自分のデータでは別の前処理が要る。結局、著者にメールを送って返事を待つ。スタンフォード大学の Jiacheng Miao さんと James Zou さんらは、この手間を AI に肩代わりさせる仕組みを作り、2026年9月16日に Nature で発表しました。名前は Paper2Agent。論文を1本まるごと、話しかけると自分のデータで解析を走らせてくれる「エージェント」に変えてしまう道具です。 論文を「責任著者の分身」にする Paper2Agent がやることを一言でいうと、論文とそのコードを読み込んで、論文の手法を呼び出せる関数の束に組み直し、チャット型の AI につなぐ、という作業です。できあがったものに「このゲノム変異は遺伝子の働きをどう変える？」と日本語でも英語でも聞けば、論文の手法がそのまま走って答えが返ってきます。著者らはこれを「仮想の責任著者」と呼んでいます。論文を読んだ人が著者に聞きたくなることを、代わりに受けて動く相手、という意味です。 中身は複数の AI エージェントの分業です。司令塔のエージェントの下に、4つの下請けがいます。 環境係：隔離した作業場所を用意し、必要なライブラリを入れる チュートリアル探し係：コードの中から、本当にチュートリアルとして使える部分を見つける 道具づくり係：チュートリアルの手順を、目的ごとに1つの関数に切り出し、決め打ちの値を引数に変える 検証係：チュートリアルに載っている例だけを使ってテストを作り、走らせ、失敗したら直す 最後の検証係が肝です。作った関数は、論文に書いてある結果を再現できるかテストにかけられ、通ったものだけが残ります...

この記事には広告（Amazon アソシエイトのリンク）を含みます。 星がブラックホールに近づきすぎると、潮汐力（ちょうせきりょく。天体の近い側と遠い側で引力の強さが違うことで生まれる力）で引き伸ばされ、ちぎれて、ガスの流れになってブラックホールのまわりに巻きつきます。「潮汐破壊事象」と呼ばれる現象で、銀河の中心にある超大質量ブラックホールが数年かけてこのガスを飲み込むあいだ、可視光や紫外線、X線、電波で明るくなります。 このとき電波で見える噴き出しを、英語の記事はよく「げっぷ」と書きます。飲み込みきれなかったガスがブラックホールの極の方向へ高速で吹き出す、ジェットや風のことです。ところが、このげっぷには、はっきりしない点がありました。星を引き裂いた直後に電波で明るくなる事象がある一方で、何か月も何年も静かだったあとに、急に電波で輝き出す事象がある。2024年に発表された電波の追跡調査では、潮汐破壊事象の4割ほどが、こうした「遅れてきた電波」を出していました。なぜ遅れるのか、いつ出るのかは、開いたままの問題でした。 2026年9月17日に Nature Astronomy に載った論文が、この遅れに規則を見つけました。著者はオーストラリアのカーティン大学（国際電波天文学研究センター）の Adelle Goodwin さんと、アメリカのプリンストン高等研究所の Andrew Mummery さんの2人で、2人が同等に貢献した研究です。結論を先に書くと、遅れてきたげっぷが出るのは、ブラックホールがガスを飲み込む速さが「上限の2%」まで落ちた時点でした。そしてこの2%は、天の川の中にある太陽の10倍ほどのブラックホールが、ジェットを出し始めるときの値と同じでした。 数千年の食事を数年に縮める潮汐破壊事象 ブラックホールの「食べ方」と「噴き出し方」の関係は、小さなブラックホールではよく分かっています。太陽の10倍ほどの恒星質量ブラックホールが相方の星からガスを吸い取る「X線連星」では、ガスを飲み込む速さが数週間から数か月で上がって下がる発作が起き、その途中で電波のジェットが点いたり消えたりします。どの速さでジェットが切り替わるかは、発作のたびに観測できるので、よく決まっています。 超大質量ブラックホールでは、そうはいきません。銀河の中心でガスを飲み込み...

この記事には広告（Amazon アソシエイトのリンク）を含みます。 いま使っているパソコンやスマホの中では、計算をする CPU と、データを一時的に置いておくメモリ（RAM）が別の部品になっています。CPU はメモリから数字を読み、計算して、結果をメモリへ書き戻す。この分業は当たり前すぎて意識することもありませんが、量子コンピューターの世界では、この分業がまだ当たり前ではありません。多くの量子コンピューターでは、量子ビットが計算も記憶も一手に引き受けていて、計算の順番を待つあいだも、量子ビットは自分の状態を保ち続けなければなりません。 スイス連邦工科大学チューリッヒ校（ETH Zürich）の Yiwen Chu さんの研究室は、この分業を量子コンピューターに持ち込みました。計算を受け持つのは1個の超伝導量子ビット。記憶を受け持つのは、小さな結晶の「振動」です。論文は2026年5月28日に Science に掲載され、大学は7月9日に発表しました。筆頭著者は Yu Yang さんと Igor Kladarić さん（2人が同等に貢献）で、Kladarić さんは博士課程の学生です。責任著者は Kladarić さんと Chu さんです。 記憶を振動に預けるチップ チップは長さ7.5ミリ、幅2.5ミリ、厚さ1ミリ。小さな爪ほどの大きさで、2枚の板を重ねた構造をしています。下の板には超伝導の量子ビット（トランズモン）が作り込まれ、上の板は結晶の共振器です。共振器といっても、電気や光を閉じ込めるものではなく、結晶そのものが機械的に振動します。音叉を叩くと決まった高さの音で震え続けるのと同じ原理で、結晶の厚み方向に立つ振動が、情報の入れ物になります。 こうした結晶は「高次倍音バルク弾性波共振器（HBAR）」と呼ばれ、ひとつの結晶の中に、周波数の少しずつ違う振動の「型」がたくさん立ちます。今回の装置では、振動の周波数は約5ギガヘルツ、型どうしの間隔は12.6メガヘルツ。型のひとつひとつがメモリの1区画で、振動が「ない」状態と「1個の振動の粒（フォノン）がある」状態を、量子ビットの0と1に対応させます。量子ビットのそばには、周波数が近い型が何本も並んでいて、研究チームはこのうち3本を使いました。 振動を選んだ理由のひとつは、大きさです。同じ5ギガヘルツで...

この記事には広告（Amazon アソシエイトのリンク）を含みます。 淹れたてのコーヒーを目の前に置いて、飲まずに5分、香りだけをかぐ。それだけで気分の点数は下がり、脳波から計算した「くつろぎ」の指標は上がりました。ところが心拍は変わらず、気分が晴れた人ほど脳波が動いていた、という関係もありませんでした。東京の昭和薬科大学の研究グループが2026年9月に Nutrients に出した論文は、見出しだけ読むと「香りで気分が変わる」なのに、中身を読むと「測り方が違えば違うものが見える」という話になっています。 群馬の旅館のブレンドを、薬学部の研究室で淹れる 実験の舞台は、昭和薬科大学の縦3メートル、横6メートルの研究室です。参加したのは同じ大学の学生20人（男性8人、女性12人）で、年齢は20歳から29歳。実験は2024年3月から2026年3月のあいだに行われました。 使ったコーヒーは、群馬県の旅館「辰巳館」が作っている「月夜野物語ブレンド F」という、マンデリンを土台にしたブレンドです。旅館のコーヒーを選んだ理由が論文に書いてあって、焙煎してからの日数を正確に管理できるほど生産の過程を追えることと、2年間同じ品質の豆を切らさずに手に入る量があることでした。 淹れ方も毎回同じです。挽いた豆20グラムを、85度のお湯400ミリリットルで、カリタのドリッパーとペーパーフィルターを使って3分ほどかけて落とす。できたコーヒーはガラスのサーバーに入れたまま、参加者から50センチほど離れた場所に置きます。参加者はふだんどおりに呼吸しながら、部屋に広がる香りの中に5分間座っているだけです。コーヒーは途中で温め直しません。温め直すと香りの成分が変わってしまうからです。 香りをかぐ前と後で測ったのは3種類です。1つ目は気分で、「POMS」という質問紙の日本語版（成人用の全項目版）を使いました。緊張と不安、抑うつと落ち込み、怒りと敵意、活気、疲労、混乱の6つの気分を点数にし、さらに5つの嫌な気分の合計から活気の点を引いた「気分の乱れの合計点（TMD）」を出します。活気を引き算するので、この合計点はマイナスにもなります。 2つ目は脳波です。使ったのは「Muse 2」という、額に巻くヘッドバンド型の市販の脳波計でした。研究用の電極帽ではなく、一般向けに売られてい...