米エネルギー省（DOE）の「Genesis Mission（ジェネシス・ミッション）」を支えるBerkeley Lab主導のプロジェクト「SYNAPS-I」が、最先端AIモデル「SAM 3」と「DINOv3」を組み合わせることで、3D画像データのラベリング作業を劇的に短縮し、科学研究のスピード向上に挑んでいます。
SYNAPS-Iプロジェクトとは何か
DOEのGenesis Missionを支えるAI基盤
SYNAPS-Iは、米エネルギー省（@ENERGY）が掲げるGenesis Missionを支援するために立ち上げられたプロジェクトで、Berkeley Lab（ローレンス・バークレー国立研究所）が主導しています。大量の科学データから新たな発見を引き出すことを目的に、AIによる画像解析を高度に自動化する取り組みです。
狙いは「科学発見の加速」
現代の科学研究では、実験や観測によって膨大な3D画像データが生み出されます。しかし、その多くは人手によるラベリングや解析が必要で、時間とコストが大きなボトルネックになっていました。SYNAPS-Iは、このボトルネックをAIで解消し、「データはあるのに解析が追いつかない」という状況を変えようとしています。
SAM 3とDINOv3で何が変わるのか
DINOv3：画像全体の意味をとらえる「目」
DINOv3は、画像中に「何がどこにあるか」という意味情報（セマンティックなコンテキスト）を把握するのが得意なAIモデルです。3Dボリュームデータの中から、関心領域や構造を自動で見つけ出し、どの部分が重要かを示す役割を担います。
SAM 3：ピクセル単位で境界を切り出す「メス」
SAM 3（Segment Anything Model 3）は、画像内のオブジェクトの輪郭をピクセルレベルで抽出するモデルです。DINOv3が捉えた「ここに意味のある構造がある」という情報をもとに、どこからどこまでが同じ対象なのかを精密に切り分け、3Dデータの細かな境界を自動で描き出します。
組み合わせで「1か月→約15分」の高速化
研究チームは、DINOv3のグローバルな意味理解と、SAM 3による精密な境界抽出を組み合わせることで、3Dボリュームデータのラベリング作業を大幅に自動化しました。その結果、従来は研究者が手作業で1か月かけて行っていたラベリングを、およそ15分で完了できるレベルにまで短縮できたと報告しています。
科学分野へのインパクトと応用可能性
膨大な3D画像データ解析のボトルネック解消
3D画像のセグメンテーションは、材料科学、生命科学、環境科学など多くの分野で必須の工程です。しかし、専門知識を持つ研究者が長時間かけてラベリングする必要があり、データ取得のスピードに解析が追いついていませんでした。SYNAPS-Iのアプローチは、この課題を一気に軽減する可能性があります。
研究スタイルの変化：試行錯誤のサイクルが高速化
ラベリング時間が大幅に短縮されれば、研究者はより多くの仮説を試し、異なる条件のデータを比較しやすくなります。これは、実験設計から解析、考察までのサイクルを縮め、これまで見落とされていた微細な構造やパターンの発見にもつながると期待されます。
エネルギー・環境・新素材研究への波及効果
DOEのGenesis Missionの文脈では、電池材料の微細構造解析、触媒表面の観察、地質・環境サンプルの3D解析など、エネルギーや環境に関わる広い領域での応用が想定されます。高速かつ高精度なセグメンテーションが実現すれば、新素材の設計やエネルギー効率の改善など、社会的インパクトの大きい成果につながる可能性があります。
今後の展望と課題
多様なデータセットへの適用と汎用性の検証
今回の成果は、SAM 3とDINOv3の組み合わせが3Dボリュームデータのラベリングを大幅に効率化できることを示しました。一方で、異なる分解能やノイズ特性を持つデータ、まったく別の科学分野の画像に対しても同様の性能が出せるかどうか、今後の検証とチューニングが重要になります。
人間の専門知識との協調と品質管理
完全自動化が進んだとしても、科学的な妥当性の確認には人間の専門家によるチェックが欠かせません。AIが生成したセグメンテーション結果を、どのようなワークフローで検証し、修正していくのか。人とAIの役割分担や品質保証の仕組みづくりも、今後の大きなテーマとなります。
まとめ
Berkeley Lab主導のSYNAPS-Iプロジェクトは、SAM 3とDINOv3という最先端AIを組み合わせることで、3D画像ラベリングを「1か月から約15分」へと圧縮する道筋を示しました。これは、エネルギー・環境・材料など多様な分野での科学的発見を加速し、研究スタイルそのものを変える可能性を秘めています。今後は、より多様なデータへの適用や人間との協調体制の確立を通じて、このアプローチがどこまで汎用的な研究基盤となりうるかが注目されます。
