本プロンプトは、腐敗する果実の化学変化（酵素反応、酸化、微生物代謝）を、構造化された視覚的・幾何学的な言語に翻訳するための解析フレームワークである。画像解析AIやマルチモーダルLLMに入力し、生物学的現象を抽象的なデザインや物理的テクスチャのパラメータとして出力させることを目的とする。 ### 1. 解析対象の定義（入力用テンプレート） 以下の情報を解析対象の画像とともにプロンプトとして入力すること。 ```markdown # ターゲット情報 - 対象果実: [例: リンゴ、バナナ、ベリー類] - 腐敗経過時間: [例: 常温放置72時間] - 環境条件: [例: 高湿度、密閉容器内] # 解析の目的 腐敗過程における「化学変化の物理的現出」を、以下の4つのレイヤーで抽出・翻訳せよ。 ``` ### 2. 視覚翻訳プロンプト・フレームワーク 以下の指示をAIに対して順次実行させることで、生物学的現象を視覚言語へと変換する。 #### STEP 1: 化学的現象の定量的マッピング 「腐敗の進行に伴う化学的変化を、以下の生物学的カテゴリーに基づき、視覚的な特性（色相、明度、形状の変化、浸出物）として列挙せよ。」 1. **酵素的褐変 (Enzymatic Browning):** ポリフェノールオキシダーゼ活性による重合体の形成を、色のトーン（彩度の低下と明度の減少）として記述せよ。 2. **細胞壁の崩壊 (Cell Wall Degradation):** ペクチン分解酵素による構造軟化を、表面の張力損失と形状の歪み（幾何学的なたるみ）として記述せよ。 3. **微生物代謝 (Microbial Metabolism):** 酵母やカビによる揮発性有機化合物（VOC）の放出と、それに対応する表面の微細構造（コロニーの幾何学的パターン）を特定せよ。 4. **水分移行 (Moisture Migration):** 浸透圧変化による細胞液の滲出を、反射率と屈折率の変化として記述せよ。 #### STEP 2: 視覚言語への翻訳（デザインパラメータの生成） 「STEP 1で抽出した情報を基に、以下の形式で視覚化のためのデザインコードを出力せよ。」 - **[Color Palette]**：腐敗に伴う色の遷移を、RGB値ではなく、生物学的時間軸（t0からtn）における色相の変化として出力すること。 - **[Surface Topology]**：果実表面の凹凸を、高低差マップ（ハイトマップ）のアルゴリズムとして記述すること。 - **[Texture Density]**：微生物のコロニーや組織の崩壊を、フラクタル次元の数値として出力すること。 - **[Light Interaction]**：腐敗部位の半透明性や反射率を、光学的散乱係数として記述すること。 #### STEP 3: 最終出力フォーマット 「解析結果を以下のJSON形式で出力せよ。」 ```json { "biological_state": { "primary_process": "...", "chemical_marker": "..." }, "visual_translation": { "color_trajectory": ["hex1", "hex2", "hex3"], "geometry_transformation": { "stiffness_coefficient": 0.0, "surface_roughness_index": 0.0 }, "microbial_pattern_logic": "describe_growth_geometry" }, "aesthetic_interpretation": "腐敗を「都市の廃墟化」や「地質学的変容」に見立てたメタファー表現" } ``` ### 3. 解析精度の向上に向けた追加指示（チューニング） 画像解析AIが表面的な変化のみを捉える場合は、以下の追記指示（Constraint）を加えること。 * **Constraint 1:** 「表面の汚れとして処理せず、細胞膜の透過性変化による色素の流出として捉えること。」 * **Constraint 2:** 「代謝による熱エネルギーの痕跡を、空間的な色彩のグラデーションとして論理的に再構築すること。」 * **Constraint 3:** 「腐敗をネガティブな現象としてではなく、物質が分子レベルで再構成される『適応のプロセス』として視覚的解釈を行うこと。」