ウェットからドライへ: AIがラボ設計を揺さぶる方法

人工知能という一般的なディスラプターのおかげで、ラボは大きな変化を迎えています。

高度な数学的モデリング、コンピュータデータ分析、生成デザインがドライラボの需要を高めています。名前が示すように、液体、化学物質、生物サンプルを使用するウェットラボとは異なります。

ウェットラボと実践的な科学は研究の核を成していますが、ある世界的なコンサルティング会社は、生成AIが薬物発見において年間280億ドルの価値を生み出す可能性があると推定しています。

「大手製薬会社がインフラのアップグレードを求める中で、ドライラボの需要がすでに増加していることが見られます」とリチャード・ケアンズ、JLLのPDS UKとEMEAのライフサイエンス部門の責任者は言います。「新しい国に施設を作り、クラウドを介して科学者が協力したり、現在の研究資源を補完し将来に備えた既存のラボを単に適応させたりすることが考えられます。」

イギリスのWellcome Genome Campusでは、進行中の開発にはドライラボ作業とデータ分析のための広いオープンプランのエリアと、高性能コンピューティングおよびAI研究のための専用スペースが含まれています。ドイツのMax Delbrück Center for Molecular Medicine (MDC)のベルリンでは、生物情報学と計算生物学のために大規模なドライラボスペースが追加されています。

重要なブレークスルーは依然として人間の科学者から生まれますが、米国のJLLのPDSライフサイエンスプロジェクトのマネージングディレクター、グル・ドゥシ氏は、モデリングとAIのより広範な使用がラボの設計を根本的に変えると考えています。

「それは全体的なレイアウトに影響を与え、必要なベンチ、電力、サーバーおよびデータ接続数、ラボ内の人々の移動および相互作用の仕方を変える」と彼女は言います。

ドライラボはウェットラボと同じ設計やインフラを必要としませんが、ハイテク機器の密度をサポートするための強力な電力とHVACシステムなど、他の考慮事項があります。

取り残された資産をドライラボに転用する可能性はあるものの、すべての建物が適応再利用に適しているわけではありません。

Dusiは量子コンピューティングラボを一例として挙げています。

「それは最も複雑な建物の一つであり、大気圧のない宇宙に似た環境を必要とし、窒素とアルゴンガスのタンクによってつくられるものです」と彼女は説明します。

電力要件とは別に、Dusiはドライラボがまだ大型または重機器のための大きな荷重支持が必要である可能性があること、デッキから天井までの高さ要件や振動の問題がある可能性があることを付け加えています。

ケアンズ氏も同意し、ROIを望む開発者や家主にとって、対照的な技術要素に対する資本支出が、仕様に基づくドライラボのフィットアウトを難しくすると述べています。テナントは非常に具体的な要件を持つことになるでしょう。

「物理的な建物のコストは伝統的なラボと大差ないかもしれませんが、より複雑なAI、オートメーション、およびロボット機器が必要となり、請求書を押し上げます」と彼は言います。「エンドユーザー科学者とその特定の科学計画のニーズを満たす柔軟なラボスペースの提供は今後も継続し、未来のラボにおいて重要である可能性が高いです。」

プロジェクト管理の専門家は現在、デジタルツールとAIを使用して、ライフサイエンスプロジェクトのより戦略的で費用対効果の高い建設のために時間と品質の効率を創り出しています。

AIの大規模な情報を収集、整理、解釈して有益な洞察を抽出する能力は、調達計画やプログラムスケジューリングから現場安全の監視、持続可能性の向上まであらゆることの助けになります。

Cairnesは、建物情報モデリング（BIM）が視覚化とより良い計画のためのデジタルツインを作成する方法を説明しています。「例えば、それは配管、ダクトワーク、電気とビームなどの構造要素との潜在的な衝突を検出し、将来的に費用がかかる問題を引き起こす可能性があります」と彼は言います。

Dusiにとって、AIがライフサイエンスラボで働く人々の経験と幸福を向上させる可能性は最も興奮させるものです。彼女は、AIが様々なシナリオをシミュレートし、より大きな生産性と効率を可能にする証拠に基づいた設計を作成する大きな可能性を見ています。

「科学者のアクセスパス、様々な機器間のステップ数、ウェットとドライのラボでの同僚との対話、空気の質、日光などを考慮し、研究者が重要なブレークスルーをより迅速に達成するためのラボを設計し建設できます」と彼女は言います。