Scientific Visualization

Scientific Visualization — AI for Science 向け可視化

Phase 4: AI for Science・Materials Informatics 等の科学技術ドメインに特化した可視化設計。

Use This Skill When

• 材料探索パイプライン（High-Throughput Screening）を図解する
• AI for Science ワークフロー（Data → Model → Simulation → Discovery）を可視化する
• Multi-agent 研究システム（Co-Scientist 型）のアーキテクチャを示す
• Knowledge Graph / Digital Twin の概念図を作成する
• 研究データプラットフォーム（ARIM, MDCL 等）の構成を説明する
• Foundation Models for Science の適用フローを示す

Diagram Pattern Catalog

Pattern 1: 材料探索パイプライン（High-Throughput Screening）

使用場面: 材料設計・逆設計のフローを説明するとき

graph LR
    A[目標特性定義] --> B[候補生成<br/>Generative Model]
    B --> C[スクリーニング<br/>ML Surrogate]
    C --> D[シミュレーション<br/>DFT / MD]
    D --> E[実験検証<br/>Autonomous Lab]
    E --> F[データ蓄積<br/>Materials DB]
    F -->|フィードバック| B

PowerPoint 配置: 左→右の水平フロー。各ステップを角丸四角形で配置。フィードバックループは下部に弧を描く矢印。幅=スライド横幅の90%。

Pattern 2: AI for Science ワークフロー

使用場面: データ駆動型発見プロセスの全体像を示すとき

graph TD
    A[実験データ収集] --> B[データ前処理<br/>クリーニング・特徴量抽出]
    B --> C[AI/ML モデル学習]
    C --> D[予測・推論]
    D --> E[シミュレーション検証<br/>MD / DFT / FEM]
    E --> F[新知見・発見]
    F -->|仮説更新| A

PowerPoint 配置: 縦型フロー（上→下）。循環ループを右側に矢印で表現。スライド中央に配置、高さ=80%。

Pattern 3: Multi-agent 研究システム（Co-Scientist 型）

使用場面: Agentic Workflow や自律型研究システムを説明するとき

graph TD
    User[研究者] --> Orch[Orchestrator Agent]
    Orch --> Lit[Literature Agent<br/>論文検索・要約]
    Orch --> Hyp[Hypothesis Agent<br/>仮説生成]
    Orch --> Exp[Experiment Agent<br/>実験設計・実行]
    Orch --> Ana[Analysis Agent<br/>データ分析]
    Lit --> KB[Knowledge Base]
    Hyp --> KB
    Exp --> KB
    Ana --> KB
    KB --> Orch

PowerPoint 配置: 中央に Orchestrator、周囲にエージェントを配置（ハブ&スポーク型）。Knowledge Base は下部に横長の四角形。

Pattern 4: Knowledge Graph 構造

使用場面: Entity-Relation 型の知識構造を示すとき

graph LR
    M[Material] -->|has_property| P[Property]
    M -->|synthesized_by| S[Synthesis Method]
    M -->|characterized_by| C[Characterization]
    P -->|measured_at| Cond[Condition]
    S -->|uses| Prec[Precursor]
    C -->|produces| D[Dataset]

PowerPoint 配置: ネットワーク図として自由配置。主要ノードを大きく、関連ノードを小さく。エッジラベルは斜体。色はノード種別で分ける（最大4色）。

Pattern 5: Digital Twin アーキテクチャ

使用場面: 物理システムとデジタル表現の対応関係を示すとき

graph LR
    subgraph Physical["物理空間"]
        Sensor[センサー群] --> Device[実験装置/設備]
    end
    subgraph Digital["デジタル空間"]
        Model[シミュレーションモデル] --> Predict[予測・最適化]
        Predict --> Control[制御指令]
    end
    Sensor -->|データ収集| Model
    Control -->|フィードバック| Device

PowerPoint 配置: 左右2カラム。左=物理空間（青系）、右=デジタル空間（緑系）。中央に双方向矢印。

Pattern 6: Research Data Platform

使用場面: ARIM・MDCL 等の研究データ基盤の構成を説明するとき

graph TD
    subgraph Sources["データソース"]
        Exp[実験装置] 
        Sim[シミュレーション]
        Lit[文献DB]
    end
    subgraph Platform["データプラットフォーム"]
        Ingest[データ収集・変換] --> Store[統合ストレージ]
        Store --> Meta[メタデータ管理]
        Store --> API[API / Search]
    end
    subgraph Usage["利活用"]
        ML[AI/ML 分析]
        Viz[可視化]
        Share[共有・公開]
    end
    Sources --> Ingest
    API --> Usage

PowerPoint 配置: 3層レイヤー（上: ソース、中: プラットフォーム、下: 利活用）。各層を背景色で区分。

高関連テーマの図解指針

聴衆別の用語レベル調整

Workflow

1. テーマ・聴衆の確認

   • 対象ドメイン（Materials / Bio / Climate 等）を特定
   • 聴衆レベル（経営層/技術者/学際/一般）を判定
   • 用語レベルを調整

2. パターン選択

   • Diagram Pattern Catalog から最適なパターンを選択
   • 複数パターンの組み合わせが必要か判断
   • Mermaid コードをドメインに合わせてカスタマイズ

3. 図解設計

   • Mermaid コード例を生成
   • PowerPoint 配置指示を記述
   • 色・サイズ・ラベルを指定

4. 出力: scientific-visuals.md を生成

Deliverables

• scientific-visuals.md — パターン選択理由 + Mermaid コード + PowerPoint 配置指示 + 用語注釈

Quality Gates

• 選択したパターンが対象テーマに適合している
• Mermaid コードが構文的に正しい（レンダリング可能）
• 聴衆レベルに合わせた用語調整がされている
• PowerPoint 配置指示（位置・サイズ・色）が各図に含まれている
• 科学的正確性が担保されている（手法名・プロセス順序）
• 1スライド1図の原則が守られている（複雑な図は分割）
• ノード数が1図あたり15個以下に収まっている

Gotchas

1. 過度な簡略化 — 科学的正確性を犠牲にしない。特にプロセスの順序（前処理→学習→推論）を入れ替えない。簡略化する場合は「簡略化」と注記する
2. 専門用語の聴衆適合 — 経営層向けに「DFT」とだけ書いても伝わらない。必ず聴衆レベルに合わせて平易化または注釈を付ける。逆に学術発表では略語を正式名称に展開しない
3. Mermaid の限界 — 複雑な分子構造・結晶構造は Mermaid では表現できない。概念図レベルに留め、詳細構造が必要な場合は「RDKit / VESTA 等の専門ツールで作成」と注記する
4. ノード過多 — 1つの Mermaid 図に15ノード以上を詰め込むと可読性が破綻する。超える場合はサブ図に分割する

Validation Loop

1. scientific-visuals.md を生成後、以下を検証:
   • 各 Mermaid コードが構文エラーなくレンダリングできるか
   • パターン選択がテーマに適合しているか
   • 聴衆レベルに合わせた用語調整がされているか
   • ノード数が15以下か
2. 不合格項目がある場合 → 該当図を修正して再検証
3. Mermaid 構文エラーの場合 → コードブロックを修正し、再レンダリング確認
4. 全項目合格後、ユーザーに提示して承認を得る ⏸️

Failure Recovery

Memory Persistence

このスキルの実行で得た学びは、以下の形式で Gotchas セクションに追記する:

• ドメイン固有の図解パターン（新規発見したパイプライン構成等）
• Mermaid で表現できた/できなかった科学的概念
• 聴衆ごとの用語調整で効果的だった表現

禁止事項

1. 科学的不正確な図の生成禁止 — プロセス順序の誤り、存在しない手法名の使用を禁止
2. 推測による科学プロセスの構成禁止 — 確信がないプロセスフローはユーザーに確認する
3. 未公開研究データの無断掲載禁止 — ユーザーの明示的許可なく研究データを図に含めない
4. 著作権のある図の転載禁止 — 論文・書籍の図をライセンス確認なしに再利用しない
5. 技術スタック逸脱禁止 — Mermaid / Chart.js 以外の可視化ライブラリを勝手に追加しない