科学図表とダイアグラム

概要

科学図表とダイアグラムは、複雑な概念を明確な視覚表現に変換し、出版に適したものにします。このスキルは、Nano Banana Pro AI を図の生成に、Gemini 3 Pro を品質レビューに使用します。

動作方法：

• 自然言語で図を説明します
• Nano Banana Pro がパブリケーション品質の画像を自動的に生成します
• Gemini 3 Pro が品質をレビューします（ドキュメントタイプ別の閾値に対して）
• スマート反復: 品質が閾値以下の場合のみ再生成します
• 数分でパブリケーション対応の出力が得られます
• コーディング、テンプレート、または手動描画は不要です

ドキュメントタイプ別の品質閾値：

ドキュメントタイプ	閾値	説明
journal	8.5/10	Nature, Science, ピアレビュー済みジャーナル
conference	8.0/10	カンファレンス論文
thesis	8.0/10	学位論文、博士論文
grant	8.0/10	グラント提案
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	一般的な用途

必要な内容を説明するだけで、Nano Banana Pro が作成します。 すべての図は figures/ サブフォルダに保存され、論文やポスターで参照されます。

クイックスタート: 任意の図を生成

科学図を説明するだけで簡単に作成できます。Nano Banana Pro がスマート反復ですべてを自動的に処理します：

# ジャーナル論文向けに生成（最高品質閾値: 8.5/10）
python scripts/generate_schematic.py "CONSORT 参加者フロー図（スクリーニング 500 人、除外 150 人、ランダム化 350 人）" -o figures/consort.png --doc-type journal

# プレゼンテーション向けに生成（低い閾値: 6.5/10 - より高速）
python scripts/generate_schematic.py "マルチヘッドアテンションを示す Transformer エンコーダ-デコーダアーキテクチャ" -o figures/transformer.png --doc-type presentation

# ポスター向けに生成（中程度の閾値: 7.0/10）
python scripts/generate_schematic.py "EGFR から遺伝子転写までの MAPK シグナリング経路" -o figures/mapk_pathway.png --doc-type poster

# カスタム最大反復数（最大 2）
python scripts/generate_schematic.py "オペアンプ、抵抗器、コンデンサを含む複雑な回路図" -o figures/circuit.png --iterations 2 --doc-type journal

舞台裏で起こること：

1. 生成 1: Nano Banana Pro が科学図の最良実践に従って初期画像を作成
2. レビュー 1: Gemini 3 Pro がドキュメントタイプの閾値に対して品質を評価
3. 判定: 品質 >= 閾値 → 完了（これ以上の反復は不要！）
4. 閾値以下の場合: 批評に基づいてプロンプトを改善し、再生成
5. 繰り返し: 品質が閾値を満たすか、最大反復数に達するまで

スマート反復のメリット：

• ✅ 最初の生成が十分に良い場合、API 呼び出しを節約
• ✅ ジャーナル論文のより高い品質基準
• ✅ プレゼンテーション/ポスターのより高速な処理時間
• ✅ 各ユースケースに適切な品質

出力: バージョン管理された画像と、品質スコア、批評、早期停止情報を含む詳細なレビューログ。

構成

OpenRouter API キーを設定します：

export OPENROUTER_API_KEY='your_api_key_here'

API キーは以下で取得できます: https://openrouter.ai/keys

AI 生成のベストプラクティス

科学図のための効果的なプロンプト：

✓ 良いプロンプト（具体的、詳細）:

• "スクリーニング (n=500) からランダム化と最終分析までの参加者フローを示す CONSORT フローチャート"
• "左側にエンコーダスタック、右側にデコーダスタックがあり、マルチヘッドアテンションとクロスアテンション接続を示す Transformer ニューラルネットワークアーキテクチャ"
• "生物学的シグナル伝達カスケード: EGFR レセプター → RAS → RAF → MEK → ERK → 核、リン酸化ステップがラベル付き"
• "IoT システムのブロック図: センサー → マイクロコントローラー → WiFi モジュール → クラウドサーバー → モバイルアプリ"

✗ 曖昧なプロンプトを避ける:

• "フローチャートを作成" (あまりに一般的)
• "ニューラルネットワーク" (どのタイプ？どのコンポーネント？)
• "経路図" (どの経路？どの分子？)

含めるべき主要要素：

• タイプ: フローチャート、アーキテクチャ図、経路、回路など
• コンポーネント: 含める特定の要素
• フロー/方向: 要素がどのように接続されているか（左から右、上から下）
• ラベル: 主要な注釈またはテキスト
• スタイル: 特定の視覚的要件

科学的品質ガイドライン（自動適用）:

• クリーンな白/明るい背景
• 読みやすさのための高いコントラスト
• 明確で読みやすいラベル（最小 10pt）
• プロフェッショナルなタイポグラフィ（サンセリフフォント）
• 色覚多様性対応色（Okabe-Ito パレット）
• 詰まりを防ぐための適切な間隔
• 必要に応じてスケールバー、凡例、軸

このスキルを使用する場合

このスキルは以下の場合に使用します：

• ニューラルネットワークアーキテクチャ図を作成（Transformers, CNNs, RNNs など）
• システムアーキテクチャとデータフロー図を図解
• 研究デザインの方法論フローチャートを描画（CONSORT, PRISMA）
• アルゴリズムワークフローと処理パイプラインを可視化
• 回路図と電気回路スキーマティクスを作成
• 生物学的経路と分子相互作用を描写
• ネットワークトポロジーと階層構造を生成
• 概念フレームワークと理論的モデルを図解
• 技術論文用のブロック図を設計

このスキルの使用方法

図を自然言語で説明するだけです。 Nano Banana Pro が自動的に生成します：

python scripts/generate_schematic.py "図の説明" -o output.png

それだけです！ AI が処理します：

• ✓ レイアウトと構成
• ✓ ラベルと注釈
• ✓ 色とスタイル
• ✓ 品質レビューと改善
• ✓ パブリケーション対応の出力

すべての図タイプで機能：

• フローチャート（CONSORT, PRISMA など）
• ニューラルネットワークアーキテクチャ
• 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、手動描画は不要です。

---

AI 生成モード（Nano Banana Pro + Gemini 3 Pro レビュー）

スマート反復的改善ワークフロー

AI 生成システムはスマート反復を使用します。ドキュメントタイプの閾値以下の場合のみ再生成します：

スマート反復の仕組み

┌─────────────────────────────────────────────────────┐
│  1. Nano Banana Pro で画像を生成                     │
│                    ↓                                │
│  2. Gemini 3 Pro で品質をレビュー                    │
│                    ↓                                │
│  3. スコア >= 閾値？                                 │
│       YES → 完了！（早期停止）                       │
│       NO  → プロンプトを改善、ステップ 1 へ          │
│                    ↓                                │
│  4. 品質が満たされるか、最大反復数に達するまで繰り返し │
└─────────────────────────────────────────────────────┘

反復 1: 初期生成

プロンプト構成：

科学図ガイドライン + ユーザーリクエスト

出力: diagram_v1.png

Gemini 3 Pro による品質レビュー

Gemini 3 Pro は図を以下の項目で評価します：

1. 科学的正確性 (0-2 ポイント) - 正しい概念、表記、関係
2. 明確さと読みやすさ (0-2 ポイント) - 理解しやすい、明確な階層
3. ラベルの品質 (0-2 ポイント) - 完全、読みやすい、一貫したラベル
4. レイアウトと構成 (0-2 ポイント) - 論理的フロー、バランス、重なりなし
5. プロフェッショナルな外観 (0-2 ポイント) - パブリケーション対応品質

レビュー出力例：

スコア: 8.0

強み:
- 上から下への明確なフロー
- すべてのフェーズが適切にラベル付け
- プロフェッショナルなタイポグラフィ

問題点:
- 参加者数が若干小さい
- 除外ボックスにわずかな重なり

判定: 受け入れ可能（ポスター用、閾値 7.0）

判定ポイント: 継続または停止？

スコアが...	動作
>= 閾値	停止 - このドキュメントタイプの品質が十分です
< 閾値	改善されたプロンプトで次の反復に続ける

例：

• ポスター（閾値 7.0）: スコア 7.5 → 1 反復後に完了！
• ジャーナル（閾値 8.5）: スコア 7.5 → 改善を続ける

後続の反復（必要な場合のみ）

品質が閾値以下の場合、システムは以下を実行します：

1. Gemini 3 Pro のレビューから具体的な問題を抽出
2. 改善指示でプロンプトを強化
3. Nano Banana Pro で再生成
4. Gemini 3 Pro で再度レビュー
5. 閾値を満たすか最大反復数に達するまで繰り返し

レビューログ

すべての反復は早期停止情報を含む JSON レビューログとともに保存されます：

{
  "user_prompt": "CONSORT 参加者フロー図...",
  "doc_type": "poster",
  "quality_threshold": 7.0,
  "iterations": [
    {
      "iteration": 1,
      "image_path": "figures/consort_v1.png",
      "score": 7.5,
      "needs_improvement": false,
      "critique": "スコア: 7.5\n強み:..."
    }
  ],
  "final_score": 7.5,
  "early_stop": true,
  "early_stop_reason": "品質スコア 7.5 がポスター用閾値 7.0 を満たします"
}

注: スマート反復により、品質が早期に達成された場合、全 2 反復の代わりに 1 反復のみが表示されることがあります！

高度な AI 生成の使用

Python API

from scripts.generate_schematic_ai import ScientificSchematicGenerator

# ジェネレータを初期化
generator = ScientificSchematicGenerator(
    api_key="your_openrouter_key",
    verbose=True
)

# 反復的改善で生成（最大 2 反復）
results = generator.generate_iterative(
    user_prompt="Transformer アーキテクチャ図",
    output_path="figures/transformer.png",
    iterations=2
)

# 結果にアクセス
print(f"最終スコア: {results['final_score']}/10")
print(f"最終画像: {results['final_image']}")

# 個別の反復をレビュー
for iteration in results['iterations']:
    print(f"反復 {iteration['iteration']}: {iteration['score']}/10")
    print(f"批評: {iteration['critique']}")

コマンドラインオプション

# 基本的な使用方法（デフォルト閾値 7.5/10）
python scripts/generate_schematic.py "図の説明" -o output.png

# ドキュメントタイプを指定して適切な品質閾値を設定
python scripts/generate_schematic.py "図" -o out.png --doc-type journal      # 8.5/10
python scripts/generate_schematic.py "図" -o out.png --doc-type conference   # 8.0/10
python scripts/generate_schematic.py "図" -o out.png --doc-type poster       # 7.0/10
python scripts/generate_schematic.py "図" -o out.png --doc-type presentation # 6.5/10

# カスタム最大反復数（1-2）
python scripts/generate_schematic.py "複雑な図" -o diagram.png --iterations 2

# 詳細な出力（すべての API 呼び出しとレビューを表示）
python scripts/generate_schematic.py "フローチャート" -o flow.png -v

# フラグ経由で API キーを提供
python scripts/generate_schematic.py "図" -o out.png --api-key "sk-or-v1-..."

# オプションを組み合わせる
python scripts/generate_schematic.py "ニューラルネットワーク" -o nn.png --doc-type journal --iterations 2 -v

プロンプトエンジニアリングのコツ

1. レイアウトについて具体的に：

✓ "フローチャート（垂直フロー、上から下）"
✓ "アーキテクチャ図（左側にエンコーダ、右側にデコーダ）"
✓ "円形経路図（時計回りのフロー）"

2. 定量的な詳細を含める：

✓ "入力層 (784 ノード)、隠れ層 (128 ノード)、出力 (10 ノード) を持つニューラルネットワーク"
✓ "スクリーニング n=500、除外 n=150、ランダム化 n=350 を示すフローチャート"
✓ "1kΩ 抵抗、10µF コンデンサ、5V 電源を含む回路"

3. 視覚的スタイルを指定：

✓ "クリーンなラインを持つミニマリストなブロック図"
✓ "タンパク質構造を含む詳細な生物学的経路"
✓ "エンジニアリング表記を含む技術的スキーマティクス"

4. 特定のラベルをリクエスト：

✓ "すべての矢印に活性化/阻害をラベル付け"
✓ "各ボックスにレイヤー寸法を含める"
✓ "タイムスタンプで時間進行を表示"

5. 色要件について言及：

✓ "色覚多様性対応色を使用"
✓ "グレースケール互換設計"
✓ "機能別カラーコーディング: 入力は青、処理は緑、出力は赤"

AI 生成の例

例 1: CONSORT フローチャート

python scripts/generate_schematic.py \
  "ランダム化比較試験用 CONSORT 参加者フロー図。\
   上部に『適格性を評価 (n=500)』。\
   『除外 (n=150)』を理由付きで表示: 18 歳未満 (n=80)、辞退 (n=50)、その他 (n=20)。\
   次に『ランダム化 (n=350)』を 2 つのアーム に分割:\
   『治療群 (n=175)』と『対照群 (n=175)』。\
   各アームで『追跡不可』(n=15 および n=10) を表示。\
   『分析対象』 (n=160 および n=165) で終了。\
   プロセスステップに青ボックス、除外にオレンジ、最終分析に緑を使用。" \
  -o figures/consort.png

例 2: ニューラルネットワークアーキテクチャ

python scripts/generate_schematic.py \
  "Transformer エンコーダ-デコーダアーキテクチャ図。\
   左側: エンコーダスタック（入力埋め込み、位置エンコーディング、\
   マルチヘッド自己アテンション、追加 & 正規化、フィードフォワード、追加 & 正規化）。\
   右側: デコーダスタック（出力埋め込み、位置エンコーディング、\
   マスク付き自己アテンション、追加 & 正規化、クロスアテンション（エンコーダから受信）、\
   追加 & 正規化、フィードフォワード、追加 & 正規化、線形 & softmax）。\
   エンコーダからデコーダへのクロスアテンション接続を破線で表示。\
   エンコーダに薄い青、デコーダに薄い赤を使用。\
   すべてのコンポーネントを明確にラベル付け。" \
  -o figures/transformer.png --iterations 2

例 3: 生物学的経路

python scripts/generate_schematic.py \
  "MAPK シグナリング経路図。\
   細胞膜上部の EGFR レセプタから開始（上部）。\
   RAS（GTP ラベル付き）への下向き矢印。\
   RAF キナーゼへの矢印。\
   MEK キナーゼへの矢印。\
   ERK キナーゼへの矢印。\
   遺伝子転写を示す核への最終矢印。\
   各矢印に『リン酸化』または『活性化』とラベル付け。\
   タンパク質には丸みを帯びた長方形を使用し、異なる色でそれぞれ表示。\
   上部に膜境界線を含める。" \
  -o figures/mapk_pathway.png

例 4: システムアーキテクチャ

python scripts/generate_schematic.py \
  "IoT システムアーキテクチャブロック図。\
   下部レイヤー: センサー（温度、湿度、動き）を緑のボックスで表示。\
   中間レイヤー: マイクロコントローラー (ESP32) を青いボックス、\
   WiFi モジュール (オレンジボックス) と ディスプレイ (紫ボックス) に接続。\
   上部レイヤー: クラウドサーバー (グレーボックス) をモバイルアプリ (薄い青いボックス) に接続。\
   すべてのコンポーネント間のデータフロー矢印を表示。\
   接続にプロトコルでラベル付け: I2C, UART, WiFi, HTTPS。" \
  -o figures/iot_architecture.png

---

コマンドラインの使用方法

科学図生成の主要なエントリーポイント：

# 基本的な使用方法
python scripts/generate_schematic.py "図の説明" -o output.png

# カスタム反復数（最大 2）
python scripts/generate_schematic.py "複雑な図" -o diagram.png --iterations 2

# 詳細なモード
python scripts/generate_schematic.py "図" -o out.png -v

注: Nano Banana Pro AI 生成システムには、反復的改善プロセスに自動的な品質レビューが含まれます。各反復は科学的正確性、明確さ、アクセシビリティについて評価されます。

ベストプラクティスの要約

デザイン原則

1. 複雑さより明確さ - 簡潔にし、不要な要素を削除
2. 一貫したスタイル - テンプレートとスタイルファイルを使用
3. 色覚多様性対応 - Okabe-Ito パレットを使用、冗長エンコーディング
4. 適切なタイポグラフィ - サンセリフフォント、最小 7-8 pt
5. ベクトル形式 - 出版用は常に PDF/SVG を使用

技術要件

1. 解像度 - ベクトル推奨、またはラスタなら 300+ DPI
2. ファイル形式 - LaTeX 用 PDF、ウェブ用 SVG、フォールバック PNG
3. 色空間 - デジタル用 RGB、印刷用 CMYK（必要に応じて変換）
4. 線の太さ - 最小 0.5 pt、標準 1-2 pt
5. テキストサイズ - 最終サイズで最小 7-8 pt

統合ガイドライン

1. LaTeX に含める - 生成された画像に \includegraphics{} を使用
2. キャプションを詳しく - すべての要素と略語を説明
3. テキストで参照 - 物語フローで図を説明
4. 一貫性を維持 - 論文全体で同じスタイル
5. バージョン管理 - プロンプトと生成された画像をリポジトリに保存

一般的な問題のトラブルシューティング

AI 生成の問題

問題: テキストまたは要素が重なっている

• 解決策: AI 生成が自動的に間隔を処理します
• 解決策: 反復数を増やす: --iterations 2 でより良い改善のため

問題: 要素が正しく接続されていない

• 解決策: 接続とレイアウトについてプロンプトをさらに具体的にしてください
• 解決策: 反復数を増やして改善します

画像品質の問題

問題: エクスポート品質が低い

• 解決策: AI 生成は自動的に高品質の画像を生成します
• 解決策: より良い結果のため反復数を増やす: --iterations 2

問題: 生成後に要素が重なる

• 解決策: AI 生成が自動的に間隔を処理します
• 解決策: より良い改善のため反復数を増やす: --iterations 2
• 解決策: レイアウトと間隔の要件についてプロンプトをより具体的にしてください

品質チェックの問題

問題: 重なり検出が偽陽性

• 解決策: 閾値を調整: detect_overlaps(image_path, threshold=0.98)
• 解決策: フラグが付いた領域を視覚的レポートで手動レビュー

問題: 生成された画像の品質が低い

• 解決策: AI 生成はデフォルトで高品質の画像を生成します
• 解決策: より良い結果のため反復数を増やす: --iterations 2

問題: 色覚多様性シミュレーションがコントラストが低い

• 解決策: コード内で Okabe-Ito パレットを明示的に切り替え
• 解決策: 冗長エンコーディングを追加（形状、パターン、線スタイル）
• 解決策: 色の彩度と明度の差を大きくする

問題: 重大度の高い重なりが検出される

• 解決策: overlap_report.json で正確な位置を確認
• 解決策: これらの特定の領域の間隔を増やす
• 解決策: 調整されたパラメータで再実行し、再度検証

問題: 視覚的レポート生成が失敗

• 解決策: Pillow と matplotlib のインストールを確認
• 解決策: 画像ファイルが読み取り可能か確認: Image.open(path).verify()
• 解決策: レポート生成用の十分なディスク容量を確認

アクセシビリティの問題

問題: グレースケールで色が区別できない

• 解決策: アクセシビリティチェッカーを実行: verify_accessibility(image_path)
• 解決策: 冗長性を追加（パターン、形状、または線スタイル）
• 解決策: 隣接する要素間のコントラストを増やす

問題: 印刷時にテキストが小さすぎる

• 解決策: 解像度バリデータを実行: validate_resolution(image_path)
• 解決策: 最終サイズでデザイン、最小 7-8 pt フォントを使用
• 解決策: 解像度レポートで物理寸法を確認

問題: アクセシビリティチェックが一貫して失敗する

• 解決策: accessibility_report.json で具体的な失敗を確認
• 解決策: 色コントラストを最低 20% 増加させる
• 解決策: 最終化の前に実際のグレースケール変換でテスト

リソースと参考資料

詳細なリファレンス

特定のトピックに関する包括的な情報をこれらのファイルから読み込みます：

• references/diagram_types.md - 科学図タイプのカタログと例
• 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 ドキュメンテーション: https://schemdraw.readthedocs.io/
• NetworkX ドキュメンテーション: https://networkx.org/documentation/
• Matplotlib ドキュメンテーション: https://matplotlib.org/

出版基準

• Nature フィギュアガイドライン: https://www.nature.com/nature/for-authors/final-submission
• Science フィギュアガイドライン: https://www.science.org/content/page/instructions-preparing-initial-manuscript
• CONSORT ダイアグラム: http://www.consort-statement.org/consort-statement/flow-diagram

他のスキルとの統合

このスキルは以下と相乗的に機能します：

• Scientific Writing - 図表のベストプラクティスに従う
• Scientific Visualization - 色パレットとスタイルを共有
• LaTeX Posters - ポスタープレゼンテーション用図表を生成
• Research Grants - 提案用の方法論図
• Peer Review - 図表の明確さとアクセシビリティを評価

クイックリファレンスチェックリスト

図を提出する前に確認：

視覚的品質

• 高品質な画像形式（AI 生成から PNG）
• 重なる要素がない（AI が自動的に処理）
• すべてのコンポーネント間に十分な間隔（AI が最適化）
• クリーンでプロフェッショナルなアライメント
• すべての矢印が意図された対象に正しく接続

アクセシビリティ

• 色覚多様性対応パレット（Okabe-Ito）を使用
• グレースケールで機能（アクセシビリティチェッカーでテスト）
• 要素間に十分なコントラスト（検証済み）
• 必要に応じて冗長エンコーディング（形状 + 色）
• 色覚多様性シミュレーションがすべてのチェックに合格

タイポグラフィと読みやすさ

• テキスト最小 7-8 pt（最終サイズ）
• すべての要素が明確に完全にラベル付け
• 一貫したフォントファミリーとサイズ
• テキストの重なりやカットオフなし
• 単位が含まれている場合は表示

出版基準

• 原稿の他の図と一貫したスタイル
• すべての略語が定義されたキャプションを作成
• 原稿テキストで適切に参照
• ジャーナル固有の寸法要件を満たしている
• ジャーナルの要求形式でエクスポート（PDF/EPS/TIFF）

品質検証（必須）

• run_quality_checks() を実行して PASS ステータスを達成
• 重なり検出レポートをレビュー（重大度の高い重なりはゼロ）
• アクセシビリティ検証に合格（グレースケール、色覚多様性）
• ターゲット DPI で解像度を検証（印刷用 300+）
• 視覚的品質レポートを生成およびレビュー
• すべての品質レポートを図ファイルとともに保存

ドキュメンテーションとバージョン管理

• ソースファイル（.tex, .py）を将来の改訂用に保存
• 品質レポートを quality_reports/ ディレクトリにアーカイブ
• 構成パラメータをドキュメント化（色、間隔、サイズ）
• Git コミットにはソース、出力、品質レポートを含める
• README またはコメントで図の再生成方法を説明

最終統合チェック

• コンパイルされた原稿で図が正しく表示される
• クロスリファレンスが機能（\ref{}が正しい図を指す）
• 図番号がテキストの引用と一致
• キャプションが図に対して正しいページに表示される
• 図に関連するコンパイル警告またはエラーがない

環境のセットアップ

# 必須
export OPENROUTER_API_KEY='your_api_key_here'

# キーは以下で取得: https://openrouter.ai/keys

はじめに

最もシンプルな使用方法：

python scripts/generate_schematic.py "図の説明" -o output.png

---

このスキルを使用して、複雑な科学的概念を効果的に伝える明確で、アクセシビリティの高い、パブリケーション品質のダイアグラムを作成します。反復的改善を備えた AI 駆動ワークフローにより、図表がプロフェッショナルな基準を満たすことが保証されます。