物理学科からエンジニアへのキャリアパス

名古屋大学理学部物理学科2年生として、物理学を学びながらフルスタックエンジニアとしても活動しています。この記事では、私のキャリアパスと学び、そしてチャット型医薬品相談ツール（medicine-recommend-system）の開発を通じて物理学的な思考がどう活きているかを共有します。

なぜ物理学科なのか

高校時代から、自然現象を数式で理解することに興味を持っていました。特に量子力学や統計力学の理論的な美しさに惹かれ、物理学科への進学を決めました。

エンジニアリングとの出会い

大学1年生の時、研究でデータ分析が必要になり、Pythonを学び始めました。これがエンジニアリングとの最初の出会いでした。

最初のプロジェクト

• データ可視化: 実験データの分析と可視化
• 自動化スクリプト: 繰り返し作業の自動化
• Webアプリケーション: 研究結果を共有するための簡単なWebアプリ

キャリアの時系列（README・コンテスト日付に基づく）

| 時期 | 出来事 | |------|--------| | 大学1年 | 研究でPythonに触れ、データ可視化・自動化・簡単なWebアプリを経験 | | 2025年8月 | AWS デジタル社会実現ツアー 2025 名古屋で初の外部登壇。当時はChatGPT APIの簡易チャット型ツールを発表し、ハルシネーション指摘をきっかけにルールベースのスコアリングを考案 | | 2025年10月 | チャット型医薬品相談ツールの本格開発を開始（medicine-recommend-system）。10月だけで205コミット、多言語・症状検出・UI/UX・管理者機能の基盤を構築 | | 2025年11月 | ハイブリッド推奨・マルチインスタンス対応・API約67%削減・漢方34種のルール統合。ユメカタリ 学生生成AIコンテストで開発の個人部門最優秀賞 | | 2025年12月 | トリアージ・カウンセリング・店舗案内・緊急事案検出・方言対応・成分重複チェックなどを実装。椙山ビジネスプランコンテストで優秀賞、和歌山県データ利活用コンペでクオリティソフト賞 | | 2026年1月 | doda ビジネスコンテストで審査員特別賞・オーディエンス投票1位。アクセシビリティ・スコアリング改善・緊急避妊薬対応などを継続実装 | | 2026年2月 | GCP Cloud Run・Neon PostgreSQLへ移行、SRPに基づく大規模リファクタリング（開発ジャーニー・クラウド移行・SRPリファクタに詳述） |

医療×AI分野への興味

ドラッグストア（マツモトキヨシ）でのアルバイト経験を通じて、医療情報システムの重要性を実感しました。特に、高齢者の方々が適切な医薬品を選択することの難しさ、言語の壁、人手不足による相談機会の減少を目の当たりにし、技術で解決できるのではないかと考えました。その延長線上で、症状に基づいて市販薬を提案しつつ**「システムを誤らせない設計」**を軸にしたチャット型医薬品相談ツールの開発に至っています。

学習のアプローチ

理論と実践のバランス

物理学の学習では、理論を深く理解することが重要です。エンジニアリングでも同様に、基礎をしっかりと学ぶことが大切だと考えています。

実践的なプロジェクト

• ポートフォリオサイト: Next.js 16、TypeScript、Tailwind CSS 4 を使用したポートフォリオ兼ブログサイト（本サイト）。ブログで医薬品相談ツールの技術記事やコンテスト参加記を発信している。
• チャット型医薬品相談ツール（medicine-recommend-system）: ルールベースとLLMのハイブリッド推奨、PostgreSQLベースのマルチインスタンス対応、LLMトリアージ・カウンセリング・店舗案内・緊急事案検出・方言対応・診断名検出・成分重複チェックなど、設計から運用まで一貫して担当。READMEによれば10月〜12月で367コミット、2026年2月にGCP Cloud Run・Neon移行とSRPリファクタを完了。
• コンテスト・イベント: 上記時系列のとおり、AWS（初登壇）→ ユメカタリ最優秀賞 → 椙山優秀賞・和歌山クオリティソフト賞 → doda審査員特別賞と、フィードバックを反映しながら開発を進めてきた。

今後の目標

短期目標

1. 技術力の向上: より高度な技術スタックの習得
2. 実績の積み上げ: より多くのプロジェクトの完成
3. コミュニティ活動: 技術コミュニティへの積極的な参加

長期目標

1. 医療×AI分野での専門性: この分野でのエキスパートを目指す
2. 研究と実践の両立: 物理学の研究とエンジニアリングの両立
3. 社会への貢献: 技術を通じて社会課題を解決する

学びのポイント

1. 基礎を大切に

物理学でもエンジニアリングでも、基礎が重要です。表面的な理解ではなく、本質を理解することが大切です。

2. 実践を通じて学ぶ

理論だけでは不十分です。実際にプロジェクトを作り、問題に直面することで、真の理解が得られます。

3. コミュニティとの関わり

技術コミュニティに参加することで、多くのことを学べます。また、自分の知識を共有することも重要です。

物理学と開発の接点（medicine-recommend での実践）

リポジトリのREADMEでは、2026年の抱負として物理学的思考の応用が挙げられています。統計力学や情報理論を医薬品推奨アルゴリズムに活用すること、熱力学のエントロピー概念でシステムの効率性・安定性を考えることなどです。ブログ記事「医薬品推奨アルゴリズムと物理学の視点」では、症状の確率分布・情報量・スコアリングの効率といった観点で、実際にどのように物理の考え方を取り入れているかをまとめています。物理学科で学んだモデル化と境界条件の明確化は、ルールベースとLLMの役割分担を設計するうえでも役立っています。

まとめ

物理学科で学ぶ理論的な思考と、エンジニアリングの実践的なスキルは、互いに補完し合う関係にあると考えています。今後も、両方の分野で成長を続けながら、医療×AI分野での専門性を高め、社会課題の解決に貢献していきたいと思います。