New York General Group（以下NYGG）は、この度、当社独自のAIモデル「Categorical AI」を活用した発明について、4件の特許を出願いたしました。これらの発明は、従来のAI技術では困難であった課題を克服し、科学技術の発展に大きく貢献する可能性を秘めています。

Categorical AI：知識創造と分野横断を可能にする新世代AI

一般的な生成AIは、統計学と深層学習に基づいており、大量のデータからパターンを学習することに長けています。しかし、既存の知識の枠を超えた新しい知識の創造や、異なる分野の知識を統合して新たな知見を生み出すことは苦手とされています[1]。

NYGGのCategorical AIは、数学の圏論を基盤としており、この課題を解決します。圏論は、数学的な構造とその間の関係性を抽象的に扱う分野であり、Categorical AIは、この圏論の概念を応用することで、データ間の関係性をより深く理解し、新しい知識を創造することを可能にします。また、数学、計算機科学、物理学、工学、化学、生物学、医学など、様々な分野の知識を、圏論の共通言語で表現し、統合することで、分野横断的な知見を生み出すことができます。

図1：Categorical AIモデルと一般的な人工知能モデルの違い

4つの革新的な発明

Categorical AIを活用して、以下の4つの発明を行いました。

1. 高次元微分演算子計算システム（特願2025-046150）

概要：確率的テンソル縮約ネットワーク（STCN）を用いて、高次元微分演算子を効率的に計算するシステムです。微分演算子は、物理現象のシミュレーションなど、科学技術計算において重要な役割を果たしますが、従来の手法では、次元数の増加に伴い計算量が指数関数的に増大するという問題がありました。

技術的詳細：STCNは、微分演算子をテンソル縮約として表現し、テイラーモード自動微分と確率的サンプリングを組み合わせることで、計算量を大幅に削減します。具体的には、従来法が微分の次数kに関して指数関数的なO(2^(k-1)L)の計算複雑性を示していたのに対し、本発明ではO(k^2dL)に削減。メモリ要件も従来のO(2^(k-1)(d + (L-1)h))からO(kd)へと大幅に削減します。

応用分野：量子多体系シミュレーション、計算流体力学、分子動力学、物理情報ニューラルネットワーク（PINN）\[2]の高速化、高次元最適化問題、金融工学（高次元ブラック・ショールズ方程式など）、生物学的シミュレーション（細胞内シグナル伝達、遺伝子制御ネットワークなど）、エネルギーシステム最適化など。

利用AIモデル：PINNなど

2. 高頻度取引のための適応型インテリジェンスシステム（特願2025-042975）

概要：金融市場の高頻度取引（HFT）における、ラベル不均衡、時間的ドメインシフト、高ノイズ対信号比、厳しい計算効率要件といった課題に対処するシステムです。

技術的詳細：マルチ解像度時間処理エンジン、適応型ラベルバランシングフレームワーク、ドメイン適応モジュール、アンサンブルモデルアーキテクチャ、ウェーブレット分解ノイズ削減コンポーネントの5つの要素を統合。

応用分野：高頻度取引を行う金融機関、ヘッジファンドなど。株式市場、先物市場、外国為替市場、暗号資産市場など、様々な金融市場に適用可能。リスク管理、ポートフォリオ最適化など。

利用AIモデル：Mamba[3]など

3. 階層的集約を用いた金融市場予測のためのマルチモーダルシステム及び方法（特願2025-046388）

概要：時系列データとニュースデータを効果的に統合し、金融資産価格の予測精度を向上させるシステムです。

技術的詳細：階層的時間ニュース集約機構、関連性重み付けニュース集約機構、セクターレベル相関統合機構、適応的モダリティ融合機構を統合。

応用分野：投資意思決定支援、アルゴリズム取引、リスク管理など。

利用AIモデル：BERT[4]など

4. 特定の疾患や細胞環境に合わせた有望な医薬品候補分子を生成するための新しい人工知能システム（特願：2025-050843）

概要：「BioMolAI」は、遺伝子発現データと分子構造情報を統合的に解析し、特定の疾患や細胞環境に最適化された新規薬剤候補分子を生成するシステムです。

技術的詳細：ProfileVAE、MolVAE、Tanimoto類似度スコアリング、反復最適化、解釈可能性分析の5つのモジュールで構成。

        ProfileVAE：遺伝子発現プロファイルを低次元の潜在空間にエンコード。

        MolVAE：潜在空間の情報を用いて分子構造を生成。

        Tanimoto類似度：生成された分子と既知の活性化合物との構造類似性を評価。

        反復最適化：生成された分子を段階的に改良。

        解釈可能性分析：生成された分子の作用機序や潜在的副作用を推測。

応用分野：創薬プロセスの初期段階（ヒット化合物の同定、リード最適化）。肺がん、アルツハイマー病、2型糖尿病などの疾患を対象とした実験で、既存手法と比較して、生成分子の質、予測生物学的活性、計算効率、解釈可能性、適応性のすべての面で優れた性能を示すことを確認済み(NYGG社内データに基づく)。

利用AIモデル：GxVAEs[5]など

今後の展開

NYGGは、これらの発明を、投資銀行業務やプライベートエクイティファンド業務におけるデューデリジェンス・バリュエーション、医薬品の研究開発業務における新規物質の創製・候補物質の選定に応用していく予定です。

投資銀行業務： 高頻度取引のための適応型インテリジェンスシステムや階層的集約を用いた金融市場予測のためのマルチモーダルシステムによる企業の多角的な分析により、従来の手法では見過ごされがちな企業価値の源泉やリスクを特定し、より精度の高い企業評価を実現します。

医薬品開発：BioMolAIにより、疾患特異的な薬剤候補分子の設計を効率化し、開発期間の短縮と成功確率の向上に貢献します。

さらに、NYGGは、Categorical AIによる「人工知能による人工知能の発明」の自動化を推進し、「安全・安心・信頼できる汎用人工知能（AGI）」の実現を目指します。

図2：Categorical AIの「人工知能による人工知能の発明」の自動化

参考文献

[1] Ding, A.W., Li, S. Generative AI lacks the human creativity to achieve scientific discovery from scratch. Sci Rep 15, 9587 (2025). https://doi.org/10.1038/s41598-025-93794-9

[2] Raissi, M., Perdikaris, P., & Karniadakis, G. E. (2019). Physics-informed neural networks: A deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations. Journal of Computational Physics, 378, 686-707.

[3] Gu, A., Dao, T., Ermon, S., Rudra, A., & Ré, C. (2023). Mamba: Linear-Time Sequence Modeling with Selective State Spaces. arXiv preprint arXiv:2312.00752.

[4] Devlin, J., Chang, M. W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. In Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, Volume 1 (Long and Short Papers) (pp. 4171-4186).

[5] Li, C., & Yamanishi, Y. (2024). GxVAEs: Two Joint VAEs Generate Hit Molecules from Gene Expression Profiles. Proceedings of the AAAI Conference on Artificial Intelligence, 38(12), 13455-13463. https://doi.org/10.1609/aaai.v38i12.29248

New York General Groupについて

New York General Groupは、圏論に基づく独自のテクノロジーであるCategorical AIを開発・活用し、「Create and Save the Universe by Superintelligence」をミッションに掲げ、AIの力で社会の持続可能な発展に貢献していきます。

詳細はウェブサイト（https://www.newyorkgeneralgroup.com/）をご覧ください。

本件に関するお問い合わせ先

New York General Group 広報担当

Email: info@newyorgeneralgroup.com