論文解説: AskChem — 検索の単位を「論文」から「出典付きクレーム」に変える文献インフラ

化学文献の検索単位を論文からDOI＋原文引用つきの「クレーム」に変えたNYU発のインフラ論文を解説。240万クレームの索引・証拠グラフ・ハイブリッド検索の設計と、DOI捏造を88.3%→100%解決に変えた評価、そして限界までを1から読む。

AskChem: Claim-Centered Infrastructure for Chemistry Literature Synthesis

この論文が解いた問題

「CO2をCOに還元する電極触媒には何が報告されていて、ファラデー効率はいくつか？」——化学者のこういう質問の答えは、1本の論文の中にはありません。触媒・反応条件・測定値・機構についての小さな主張が、何十本もの論文にばらばらに書かれています（§1）。ところが既存の文献検索は「関連しそうな論文のランキング」を返すだけ。人間は論文を開き、該当箇所を探し、数値を確かめ、手作業で答えを組み立てることになります。

この不便は、LLMエージェントに文献調査をやらせるようになって深刻さを増しました。論文では、エージェントは検索ツールの限界をそのまま引き継ぎ、検索なしで記憶（パラメトリックメモリ）から答えさせると、もっともらしい引用の捏造が起きると指摘しています（§1）。

NYUのグループ（著者にKyunghyun Cho）が発表したAskChemの答えはシンプルです。検索で返す単位を「論文」ではなく「出典付きのクレーム（主張）」に変える。現在14.7万論文から240万クレームを索引し、Webだけでなく REST・SDK・MCP でAIエージェントからも使えるインフラとして公開されています（§1, Abstract）。

比喩: 本を渡す図書館と、索引カードを渡す図書館

従来の検索エンジンは「その話ならこの棚の本のどれかに書いてありますよ」と本の山を渡してくる図書館です。読むのはあなたの仕事です。

AskChemは、司書が先に全部の本を読み、事実1つごとに索引カードを作ってある図書館です。カードには主張の内容だけでなく「どの本の、どの一文から取ったか」が書いてある。質問すると本ではなくカードの束が返ってきて、疑わしいカードは元の本の該当行まで即座に遡れる——検索と検証が同じ動作になります。

「クレーム」とは何か

論文の定義では、クレームは原子的（それ以上分割しない）で型付きの科学的主張で、必ず出典DOIと原文そのままの引用（verbatim quote）、それが無理な場合は明示的な位置情報（evidence locator）で接地されます（§1, §2）。反応物・条件・測定値などの構造化フィールドと、抽出の信頼度スコアも持ちます（§2）。

索引に実在するレコードの例（Appendix Bより抜粋・短縮）:

{"claim_type": "reaction",
 "source_doi": "10.1002/anie.201914977",
 "reaction_type": "electrocatalytic CO2 reduction (to CO)",
 "reactants": [{"name": "CO2", "role": "substrate"},
               {"name": "Ni SA-N2-C", "role": "catalyst"}],
 "outcomes": {"selectivity": "CO Faradaic efficiency 98%"},
 "verbatim_quote": "the Ni SA-N2-C catalyst ... achieves very high
   CO Faradaic efficiency (98%) and turnover frequency (1622 h-1),"}

「効率98%」という数値の隣に、その数値が書かれた原文が丸ごと添えてある——これがこのシステムの背骨です。同じクレームIDの下に、論文メタデータ（Source）、分類上の位置（TreeNode）、他クレームとの関係（Edge）がぶら下がり、検索・階層ブラウズ・グラフ探索のどれを使っても同じ「出典を運ぶオブジェクト」が返ります（§2）。実装は意外に地味で、SQLite＋FTS5全文検索＋ベクトル索引をFastAPIで配信しています（§2）。

検索側は「語が一致するか」と「意味が近いか」の両輪です。後者の土台は、線形代数の記事でも扱ったベクトルの内積にほかなりません。

クレームはどう作られるか

抽出パイプラインは2本立てです（§3）。高スループットの抽出器がアブストラクトを大量処理し、深い抽出器がフルテキストPDFを読んで、アブストラクトには現れにくい型——仮説・限界・意外な発見——まで拾います。Appendix Bによると前者はGPT-5-mini、後者はGemini 3.1 ProのネイティブPDF入力（Vertex AIバッチ）で、すべての出力はJSONスキーマ検証（出典フィールド必須・数値範囲・化学固有フィールド）を通ります。

ここで論文が正直なのは、この検証の意味を限定しているところです。現索引では240万クレームの100%が「クレーム型＋DOI＋原文引用」を備えますが、これは追跡可能性（トレーサビリティ）の保証であって、抽出が原文を意味的に正しく解釈した保証ではないと明言しています（§3, §7 RQ1）。