チャットで始めるマテリアルズ・インフォマティクス――ローカルLLMとMCPサーバーを使って、セキュアに分子設計の試行を即座に比較する

はじめに

研究の現場で「この分子の LogP は？」「水に溶けやすくするためにはどんな官能基をつけたらよいか？」といった確認をするたびに、ブラウザや別ソフトを行ったり来たりしていませんか。ちょっとした問いが積み重なり、発想や合成検討に使える時間が減ってしまいます。
チャットに自然言語で聞くだけで、RDKit による物性計算（分子量・LogP・TPSA 等）、2D 描画の結果が返ってきて、それらを比較しながら設計を進められれば、日常の作業はぐっと軽くなります。

今回のまとめ

• チャットで SMILES を投げると、分子の数値（分子量・LogP・TPSA など）と 構造式が返ってきます。

• 複数の構造を指示で展開（例：ある位置に官能基を付ける）して、各候補の物性を並べて比較できます。

• 計算そのものは社内で完結させられるため、機密データの流出リスクを抑えつつ高速な試行が可能です。

現場での使い方イメージ

1. 「この SMILES の LogP、TPSA、分子量と 2D 画像を出して」
   → 即座にrdkitで計算した数値と構造式が返る。

2. 「この分子のベンチマークとして、フェノキシ基を付けたら LogP と TPSA はどう変わる？」
   → チャットがフェノキシ化体を複数作り、各々の物性を一覧で返す。

3. 「どれが水に溶けやすそうか、理由を簡潔に説明して」
   → 置換基の極性・立体障害・芳香環の寄与など、化学者視点での根拠が短く示される。

今回やったこと

• ユーザーがチャットで指示し、「官能基を生やす」といった指示に応じて候補構造を自動生成。

• 各候補について RDKit による物性計算を自動実行し、数値や構造式をチャットに表示。

• 「どの候補が水に溶けにくいか」「なぜそう考えるか」を化学的根拠（立体、極性、芳香族性など）で説明。

これにより、合成計画や候補選別を“試行→比較→判断”のサイクルで短時間に回せるようになりました。

研究現場で期待できる効果

• 手軽に候補構造を生成し、その物性が計算できる（rdkitでBRICSを使いランダムに構造発生させると無駄が多い）。

• 反復設計（置換基スクリーニングやポスト修飾の効果評価）が効率化。

小さな注意

• 計算値はツールのアルゴリズム特性に依存します（RDKit の推定値）。必ず必要に応じて実測や上位レベル計算で検証してください。ただ、GaussianでDFT計算の結果を返すMCPサーバーも作れますし、仕様次第では社内のデータベース（やExcelファイル）に問い合わせるMCPサーバーも作成可能。

• 自動比較は候補選別の補助であり、最終判断は研究者の経験に基づいて行ってください。

• 運用ルール（誰が参照／実行できるか）はチームで決めておくと混乱が少ないです。

最後に

2025年8月にOpenAI社が公開したgpt-ossは、性能が高く科学の知識も有します。また、今回のようなMCPサーバーを呼び出すように訓練されており、rdkitで計算した物性値や、web検索した情報を組み合わせて回答を生成することができます。
ローカルLLMも日進月歩で進歩しているので、以前使えないと判断された方も再考するのはいかがでしょうか。