alterlab-scientific-schematics

科学的な模式図と図解

概要

科学的な模式図と図解は、複雑な概念を出版用の明確な視覚表現に変換します。このスキルでは、Nano Banana 2 AI を使って図を生成し、Gemini 3.1 Pro Preview の品質レビューを行います。

仕組み：

• 図を自然言語で説明します
• Nano Banana 2 が出版品質の画像を自動生成します
• Gemini 3.1 Pro Preview が、文書の種類ごとのしきい値に照らして品質をレビューします
• スマートな反復処理：品質がしきい値を下回った場合にのみ再生成します
• 数分で出版可能な出力が得られます
• コーディング、テンプレート、手作業での描画は不要です

文書の種類ごとの品質しきい値：

文書の種類	しきい値	説明
journal	8.5/10	Nature、Science、査読付き学術誌
conference	8.0/10	学会論文
thesis	8.0/10	博士論文、修士論文
grant	8.0/10	助成金申請書
preprint	7.5/10	arXiv、bioRxiv など
report	7.5/10	技術レポート
poster	7.0/10	学術ポスター
presentation	6.5/10	スライド、講演
default	7.5/10	汎用

作成したい図を説明するだけで、Nano Banana 2 が生成します。 すべての図は figures/ サブフォルダーに保存され、論文やポスターから参照されます。

クイックスタート：あらゆる図を生成する

作成したい図を説明するだけで、科学的な図を生成できます。Nano Banana 2 がスマートな反復処理ですべてを自動的に行います：

# Generate for journal paper (highest quality threshold: 8.5/10)
python scripts/generate_schematic.py "CONSORT participant flow diagram with 500 screened, 150 excluded, 350 randomized" -o figures/consort.png --doc-type journal

# Generate for presentation (lower threshold: 6.5/10 - faster)
python scripts/generate_schematic.py "Transformer encoder-decoder architecture showing multi-head attention" -o figures/transformer.png --doc-type presentation

# Generate for poster (moderate threshold: 7.0/10)
python scripts/generate_schematic.py "MAPK signaling pathway from EGFR to gene transcription" -o figures/mapk_pathway.png --doc-type poster

# Custom max iterations (max 2)
python scripts/generate_schematic.py "Complex circuit diagram with op-amp, resistors, and capacitors" -o figures/circuit.png --iterations 2 --doc-type journal

内部で行われる処理：

1. 生成 1：Nano Banana 2 が科学的な図のベストプラクティスに従って初期画像を作成します
2. レビュー 1：Gemini 3.1 Pro Preview が、文書の種類ごとのしきい値に照らして品質を評価します
3. 判定：品質がしきい値以上なら → 完了（それ以上の反復処理は不要です！）
4. しきい値を下回る場合：批評に基づいてプロンプトを改善し、再生成します
5. 繰り返し：品質がしきい値に達するか、最大反復回数に達するまで続けます

スマートな反復処理のメリット：

• ✅ 最初の生成で十分な品質が得られた場合、API 呼び出しを節約できます
• ✅ 学術誌向け論文には、より高い品質基準が適用されます
• ✅ プレゼンテーションやポスターをより短時間で作成できます
• ✅ 用途ごとに適切な品質が得られます

出力：バージョン管理された画像に加えて、品質スコア、批評、早期停止に関する情報を含む詳細なレビューログが生成されます。レビュー呼び出しに失敗した場合は画像を保持し、スコアを捏造せず、スコアを null として "review_skipped": true をログに記録します。

提出前に、ご自身で内容を確認してください。 画像モデルはラベルと数値をすべて描画するため、プロンプトが正しくても用語のスペルを間違えたり、数値（例：CONSORT の n=）を変更したりすることがあります。また、レビュー用モデルは明瞭さやレイアウトを評価するもので、値が記録と一致しているかは確認しません。図を原稿に掲載する前に、すべての数値、ラベル、矢印の向きをデータやプロトコルと照合してください。

設定

OpenRouter API キーを設定します（または、python-dotenv がインストールされている場合は .env ファイルに OPENROUTER_API_KEY=... を記述します）：

export OPENROUTER_API_KEY='your_api_key_here'

API キーは https://openrouter.ai/keys から取得できます。

デフォルトのモデル（2026-09-23 に OpenRouter で検証済み）は、生成用の google/gemini-3.1-flash-image（Nano Banana 2）と、レビュー用の google/gemini-3.1-pro-preview です。ALTERLAB_IMAGE_MODEL / ALTERLAB_REVIEW_MODEL で変更できます。

データとプライバシー

このスキルの生成スクリプト（scripts/generate_schematic_ai.py）は、画像生成と品質レビューのために、ネットワーク経由で図の説明／プロンプトをサードパーティ API（OpenRouter）に送信します。テキストプロンプトと、そこに含めた詳細情報はお使いのマシンから外部に送信され、外部プロバイダーによって処理されます。図の説明に機密情報、臨床情報、患者を特定できる情報、未公開の独自情報を含めないでください。図は一般的な内容で説明し、必要に応じて機密性の高いラベルを後からローカルで追加してください。

AI 生成のベストプラクティス

良いプロンプトは具体的です。図の種類、構成要素、フロー／方向、 ラベル、スタイルを明記します。「フローチャートを作成して」「ニューラルネットワーク」のような曖昧な プロンプトでは、期待どおりの結果が得られません。科学図の品質ガイドライン（すっきりした背景、10pt 以上のラベル、サンセリフ体、岡部伊藤カラーパレット、 適切な間隔）は自動的に適用されます。良いプロンプトと悪いプロンプトの例、およびガイドラインの全リストは references/ai_generation_guide.mdにあります。

このスキルを使用する場面

次の場合にこのスキルを使用してください。

• ニューラルネットワークのアーキテクチャ図（Transformer、CNN、RNN など）の作成
• システムアーキテクチャ図やデータフロー図の作成
• 研究デザインの方法論を示すフローチャート（CONSORT、PRISMA）の作成
• アルゴリズムのワークフローや処理パイプラインの可視化
• 回路図や電気回路図の作成
• 生物学的経路や分子間相互作用の描写
• ネットワークトポロジーや階層構造の生成
• 概念的フレームワークや理論モデルの図解
• 技術論文向けブロック図の作成

対象外

シナリオ	代わりに使用
README や Markdown ドキュメント内で編集可能なテキストのままにしておく図（GitHub でレンダリングされ、git で差分を確認できるもの）	alterlab-mermaid
写真、イラスト、アートワーク、スライド／ポスターのメイン画像	alterlab-generate-image
一般向けに統計、タイムライン、比較を示すインフォグラフィック	alterlab-infographics
測定データのプロット（散布図、棒グラフ、折れ線グラフ、ヒートマップ）	alterlab-matplotlib / alterlab-scientific-viz
実際のノード／エッジデータに基づいてレイアウトを計算するネットワークグラフ	alterlab-networkx

このスキルの使用方法

自然言語で図を説明するだけです。 Nano Banana 2 が自動で生成します。

python scripts/generate_schematic.py "your diagram description" -o output.png

これだけです！ AI が以下を処理します。

• ✓ レイアウトと構成
• ✓ ラベルと注釈
• ✓ 色とスタイル
• ✓ 品質の確認と改善
• ✓ 出版可能な品質の出力

すべての種類の図に対応します。

• フローチャート（CONSORT、PRISMA など）
• ニューラルネットワークのアーキテクチャ
• 生物学的経路
• 回路図
• システムアーキテクチャ
• ブロック図
• あらゆる科学的可視化

コーディング、テンプレート、手作業での描画は不要です。

---

AI 生成モード（Nano Banana 2 + Gemini 3.1 Pro Preview によるレビュー）

AI 生成システムはスマートな反復処理を使用します。Nano Banana 2 が画像を生成し、Gemini 3.1 Pro Preview が科学的な正確さ、明瞭さ、ラベルの品質、レイアウト、見た目のプロフェッショナルさを 0～10 で採点します。スコアがドキュメントの種類ごとの しきい値に達すると、システムは早期に終了します。達しない場合は、批評に基づいてプロンプトを改善して再生成します（最大 2 回）。 実行ごとに、反復ごとのスコア、批評、早期終了に関する情報を含む JSON レビューログが出力されます。

反復フローチャート、レビュールーブリック、レビュー出力例、判定表、JSON ログのスキーマ、ScientificSchematicGenerator Python API、すべてのコマンドラインオプション、プロンプトエンジニアリングのヒントを含む詳しい解説は、 references/ai_generation_guide.mdにあります。

CONSORT フローチャート、Transformer アーキテクチャ、生物学的経路、システムブロック図のための、コピーして調整できる実行例は references/generation_examples.mdにあります。

---

コマンドラインの使用方法

科学図を生成するための主なエントリーポイントです。

# Basic usage
python scripts/generate_schematic.py "diagram description" -o output.png

# Custom iterations (max 2)
python scripts/generate_schematic.py "complex diagram" -o diagram.png --iterations 2

# Verbose mode
python scripts/generate_schematic.py "diagram" -o out.png -v

注： Nano Banana 2 の AI 生成システムには、反復的な調整プロセスにおける自動品質レビューが含まれています。各反復は、科学的な正確さ、明瞭さ、アクセシビリティの観点から評価されます。

ベストプラクティスの概要

複雑さより明確さを優先し、一貫したスタイル、色覚多様性への配慮（Okabe-Ito、冗長な符号化）、7～8 pt 以上のサンセリフ体、ベクター形式での出力（PDF／SVG。ラスター形式の場合は300 DPI以上）を心がけてください。\includegraphics{} で LaTeX に組み込み、キャプションを十分に記述し、本文中で参照して、プロンプトと出力をバージョン管理してください。設計・技術・統合に関するチェックリストと、提出前の確認チェックリストの完全版は references/submission_checklist.md にあります。

よくある問題のトラブルシューティング

AI 生成の問題（重なり、接続の不備）、画像品質の問題、品質チェックの失敗、アクセシビリティの問題（グレースケールでのコントラスト、小さな文字）への対処方法は、references/troubleshooting.md を参照してください。ほとんどの問題は、プロンプトをより具体的にするか、--iterations 2 を指定することで解決できます。

リソースと参考資料

詳細な参考資料

特定のトピックについて詳しく知りたい場合は、以下のファイルを参照してください。

• references/ai_generation_guide.md - スマート反復ワークフロー、レビュー基準、Python API、CLI オプション、プロンプトエンジニアリング
• references/generation_examples.md - CLI の実行例（CONSORT、トランスフォーマー、経路図、システム図）
• references/troubleshooting.md - 生成、品質チェック、アクセシビリティに関する問題への対処方法
• references/submission_checklist.md - ベストプラクティスの概要と提出前の確認チェックリスト
• references/diagram_types.md - 例を交えた科学図の種類の一覧
• references/best_practices.md - 出版基準とアクセシビリティガイドライン

外部リソース

Python ライブラリ

• Schemdraw ドキュメント：https://schemdraw.readthedocs.io/
• NetworkX ドキュメント：https://networkx.org/documentation/
• Matplotlib ドキュメント：https://matplotlib.org/

出版基準

• Nature の図に関するガイドライン：https://www.nature.com/nature/for-authors/final-submission
• Science の図に関するガイドライン：https://www.science.org/content/page/instructions-preparing-initial-manuscript
• CONSORT 図：https://www.consort-spirit.org/

他のスキルとの連携

このスキルは、以下のスキルと相乗的に機能します。

• alterlab-scientific-writing - 図のベストプラクティスに沿って図を作成します
• alterlab-scientific-viz - カラーパレットとスタイルを共有します
• alterlab-latex-posters - ポスター発表用の図を生成します
• alterlab-research-grants - 研究計画書用の方法論図を作成します
• alterlab-peer-review - 図の明確さとアクセシビリティを評価します

クイックリファレンスチェックリスト

図を提出する前に、references/submission_checklist.md にある完全なチェックリスト（視覚的品質、アクセシビリティ、タイポグラフィ、出版基準、必須の品質確認、ドキュメント化／バージョン管理、最終統合）を確認してください。

環境設定

# Required
export OPENROUTER_API_KEY='your_api_key_here'

# Get key at: https://openrouter.ai/keys

はじめに

最も簡単な使い方：

python scripts/generate_schematic.py "your diagram description" -o output.png

---

このスキルを使って、複雑な科学的概念を効果的に伝える、明確でアクセシブルな出版品質の図を作成しましょう。AI を活用した反復的な改善ワークフローにより、図が専門的な基準を満たすようにできます。