2025年のAI論文、いま何が引用され始めているのか 2025年出版AI論文 Top10
毎日AIを使っている人、今とても増えていると思います。
でも、いまAI研究の世界で、どんな論文が引用され始めているか、知っていますか？
今回は、2025年に出版されたAI関連論文のうち、現時点で早く参照され始めているものを整理しました。
※単純な被引用数だけだと、1月に出た論文が有利になるので、今回は出版からの経過月数で割った「月あたり被引用数」を目安にしました。
では、10位から見ていきます。
10位：医療画像向けの強いAIモデル構造
原題：U-KAN Makes Strong Backbone for Medical Image Segmentation and Generation
掲載：AAAI Conference on Artificial Intelligence
出版：2025年4月
被引用数：219
月あたり被引用数：16.50
医療画像の分割や生成に使うAIモデルに関する論文です。
医療画像では、腫瘍や臓器などを画像の中から正確に切り出すことが重要になります。
この論文は、単なる医療応用というより、画像を扱うAIモデルの骨格をどう強くするかという研究です。
Computer Visionと医療AIの両方に関係するため、引用されやすかったのだと思います。
9位：会話型診断AI
原題：Towards conversational diagnostic artificial intelligence
掲載：Nature
出版：2025年4月
被引用数：223
月あたり被引用数：16.72
会話を通じて診断を支援するAIの論文です。
単発の質問に答えるだけでなく、対話の中で追加情報を集め、診断に近づくAIを考える研究です。
一般向けに言えば、高度な「医療版問診AI」に近いイメージです。
医療AIの実用化に近く、LLMの能力評価としても分かりやすいため、参照されやすい論文だと思います。
8位：タンパク質の動きを生成AIで扱う研究
原題：Scalable emulation of protein equilibrium ensembles with generative deep learning
掲載：Science
出版：2025年7月
被引用数：186
月あたり被引用数：18.03
生成AI・深層学習を使って、タンパク質の動きを扱う研究です。
AIは文章や画像だけでなく、生命科学のシミュレーションにも使われ始めています。
タンパク質は、静止画のような構造だけでなく、揺らぎや動きが重要です。
その動きをAIで効率よく扱おうとする研究として、AI for Scienceの流れを象徴する論文だと思います。
7位：Agentic AIの総説
原題：Agentic AI: Autonomous Intelligence for Complex Goals—A Comprehensive Survey
掲載：IEEE Access
出版：2025年1月
被引用数：375
月あたり被引用数：22.65
AIエージェントやAgentic AIを整理するレビュー論文です。
AIエージェント、自律AI、agentic AIという言葉は便利ですが、意味がかなり広くなっています。
そのため、何をもって「エージェント的」と呼ぶのかを整理する論文には需要があります。
個人開発者にとっても、自作エージェントを作るときの設計パターン集として読める可能性があります。
6位：LLMエージェントの総説
原題：The rise and potential of large language model based agents: a survey
掲載：Science China Information Sciences
出版：2025年1月
被引用数：367
月あたり被引用数：22.89
LLMを使ったAIエージェントを整理したサーベイ論文です。
ここでいうエージェントは、単に質問に答えるAIではなく、目標に向けて道具を使ったり、手順を組み立てたりするAIです。
2025年は、チャットするAIから、作業するAIへ関心が移った年でもあります。
その全体像を整理する論文として、引用されやすかったのだと思います。
5位：原子レベルの材料化学向け基盤モデル
原題：A foundation model for atomistic materials chemistry
掲載：The Journal of Chemical Physics
出版：2025年11月
被引用数：146
月あたり被引用数：23.64
原子レベルの材料・化学計算に使う基盤モデルの論文です。
AIをチャットや画像生成だけでなく、材料探索や分子設計に使う流れを示しています。
材料や化学では、実験やシミュレーションに時間がかかります。
AIが候補探索や性質予測を助けられるなら、研究開発の速度が変わる可能性があります。
2025年後半の出版にもかかわらず上位に入っており、AI for Scienceの注目度を感じる論文です。
4位：小さな表データでも強い予測をする基盤モデル
原題：Accurate predictions on small data with a tabular foundation mode
掲載：Nature
出版：2025年1月
被引用数：550
月あたり被引用数：33.68
表形式データに対する基盤モデルの論文です。
画像や文章だけでなく、企業の顧客データ、実験データ、医療データのような「表データ」にAIをどう使うかという話です。
これは個人開発者にもかなり関係があります。
CSV、Excel、売上データ、在庫データ、実験条件。
現実の業務には、表データが大量にあります。
小規模な表データでも強い予測ができるなら、中小企業向けの予測AI、研究データ解析、ノーコード分析ツールなどにつながる可能性があります。
3位：大規模言語モデルの総説
原題：A Comprehensive Overview of Large Language Models
掲載：ACM Transactions on Intelligent Systems and Technology
出版：2025年6月
被引用数：430
月あたり被引用数：38.95
LLM全体を整理するレビュー論文です。
新しい実験結果そのものより、LLM研究の地図として使われやすいタイプの論文です。
LLMは、モデル構造、学習方法、評価、安全性、応用が一気に広がっています。
こうした包括的レビューは、研究者が背景説明や関連研究を書くときの入口として引用されやすいと考えられます。
2位：専門家レベルの医療質問応答LLM
原題：Toward expert-level medical question answering with large language models
掲載：Nature Medicine
出版：2025年1月
被引用数：656
月あたり被引用数：40.17
医療の質問応答で、LLMがどこまで専門家に近づけるかを扱う論文です。
一般向けに言えば、AIに医学の難しい質問を解かせたら、どこまで実用に近いのかを測ろうとする研究です。
医療は間違いのコストが大きい領域です。
そのため、単に答えられるかだけでなく、評価方法そのものが重要になります。
医療AI、LLM評価、安全性、臨床応用の文脈で、参照しやすい基準点になっている可能性があります。
1位：DeepSeek-R1
原題：DeepSeek-R1 incentivizes reasoning in LLMs through reinforcement learning
掲載：Nature
出版：2025年9月
被引用数：484
月あたり被引用数：60.13
1位はDeepSeek-R1でした。
この論文が注目された理由は、単に「高性能なAIが出た」からではありません。
重要なのは、人間が正しい考え方を大量に教え込まなくても、正解・不正解の報酬を使って、AIが推論らしい振る舞いを獲得できる可能性を示した点です。
たとえば、問題を解かせる。
答えが合っていれば報酬を与える。
間違っていれば報酬を与えない。
これを大量に繰り返すと、AIが検算する、別の方針を試す、考え直す、といった振る舞いを見せる可能性がある。
もちろん、これは「AIが放っておけば勝手に成長する」という意味ではありません。
学習環境、報酬設計、評価データは人間が用意します。
それでも、人間が一つひとつ思考手順を教えなくても、AIが報酬を手がかりに推論らしい行動を身につけ得る。
だからDeepSeek-R1は、単なる新モデルではなく、「推論するAIをどう作るか」という研究として引用されやすいのだと思います。
Top10から見えること
今回のTop10を見ると、2025年のAI研究で早く引用され始めているものは、大きく4つに分かれます。
まず、推論するAIです。
DeepSeek-R1はその代表です。AIがただ答えるだけでなく、検算し、考え直し、より良い方針を探す方向に進んでいます。
次に、専門領域で使えるAIです。
医療質問応答、診断AI、医療画像AIが上位に入っています。AIは一般的なチャットだけでなく、医療のような高リスク領域でどう使えるかが問われ始めています。
そして、AI for Scienceです。
材料化学、タンパク質、分子シミュレーションなど、科学研究そのものを進めるAIが目立ちます。
最後に、レビュー・サーベイ論文です。
LLMやAIエージェントのように急速に広がる分野では、全体像を整理する論文が引用されやすくなります。
つまり、2025年のAI研究は、単に「大きなモデルを作る」だけではありません。
推論するAI。
専門領域で使えるAI。
科学研究を進めるAI。
AIをどう評価するか。
こうした方向に広がっているように見えます。
個人開発者にとっても、この流れは無関係ではありません。
毎日使っているAIの裏側で何が研究されているかを見ると、次の開発テーマのヒントになります。
2026年版、気になりませんか？
今回は2025年出版のAI論文を整理しました。
では、2026年はいま何が伸びているのでしょうか。
DeepSeek-R1の次に来る推論AIは何か。
AIエージェントはどこまで進むのか。
AI for Scienceでは、材料・創薬・生命科学でどんな論文が伸びているのか。
医療AIでは、性能評価や安全性の論点がどう変わっているのか。
こうした動向は、単発の記事よりも、継続して追うことで価値が出ます。
私は現在、OpenPharosという論文アラートサービスを作っています。
OpenPharosは、自分の専門領域に合わせて新着論文を追えるサービスです。
現在は新着論文の配信が中心ですが、今回のようなランキングやベースラインレポートも、Proプラン向け機能として開発中です。
2026年版のリアルタイム動向も、近日OpenPharosで配信予定です。
Proプランは現在、初期普及期として月100円です。
先着での価格保証を予定しているため、今のうちに登録いただいた方は、後で価格を変更しても月100円を維持する予定です。
集計方法について
最後に、今回の集計方法を簡単に書いておきます。
本記事は、OpenAlexから取得した論文メタデータをもとに作成しました。
対象は、2025年に出版されたAI関連論文です。
単純な被引用数だけでは出版時期の影響を受けやすいため、今回は現在の被引用数を出版からの経過月数で割った「月あたり被引用数」を目安にしました。
出版日は、OpenAlex上の出版日を基準にしています。OpenAlexでは online-first 公開日が採用されている場合があり、出版社ページやCrossrefなどの表示日とずれることがあります。
また、被引用数はデータベースによって異なります。今回はOpenAlex基準で統一していますが、Web of Science、Scopus、Crossrefなどでは数値が異なる場合があります。
なお、このランキングは完全なものではありません。OpenAlexメタデータには誤差や欠損が含まれる可能性があります。また、分野差、自己引用、引用の質、撤回・訂正情報までは十分に補正できていません。
重要な判断には、必ず原論文、出版社ページ、DOI、公式データベースを確認してください。
※本記事は、医療助言、専門的査読、公式評価ではありません。
