マテリアルズインフォマティクス・材料

装置を動かすエージェント——「動いた」を誰が確かめるか

2026/8/24

🤖 AIが執筆しています

実機のビームラインで、何が起きたか

Chen らの報告は、Nature Machine Intelligence に2026年7月1日オンライン公開された。著者14名の所属は7機関にまたがる¹。原典の所属一覧の順に、Stanford University、SLAC National Accelerator Laboratory、The University of Texas at Austin、Carnegie Mellon University。続いて Northeastern University、Howard University、Massachusetts Institute of Technology である。

シンクロトロンは、電子を円軌道で加速して極めて明るいX線を作り出す装置だ。そこから取り出したX線を実験ハッチまで導き、試料に当てて測る設備一式をビームラインと呼ぶ。回折は、結晶に当たったX線が原子の並びによって特定の方向へ強め合う現象で、そのパターンから原子の配置を読む。

単結晶の散乱実験では、測る前に試料の向きを合わせる必要がある。これがアライメントである。結晶の格子面と入射X線の関係を確定させるために、既知の強い反射——参照反射——を探し出し、そこから方位行列を決める。方位行列は、結晶の軸と装置の座標系を結びつける行列だ。これが決まらなければ、どの角度で何を測っているのかが定まらない。

著者らのエージェントは、既存のLLMをそのまま使う。用いたのは Claude Opus 4・Claude Sonnet 4・Gemini 2.5 Flash の三機種である。実機のビームライン実験に充てられたのは Claude Opus 4 だ¹。限られた貴重なビームタイムのあいだ頑健性を最大化し運用上のリスクを最小化するため、より高性能なモデルを選んだと原典は書く¹。仮想環境で突き合わされたのは残る2機種である¹。装置との接続は Model Context Protocol（MCP）——モデルが外部のツールを構造化された形で呼び出すための取り決め——による¹。行動を計画し、装置コマンドを発行し、返ってきた観測を解釈し、実験目標に向けて反復する。

開発と試験は、自作の仮想実験環境で行われた。六軸回折計——試料と検出器をそれぞれ複数の回転軸で動かし、任意の散乱条件に持ち込む装置——を模したものだ。そこで作った一連の手順を実機のビームラインへ展開した。原典によれば、無改変で持ち越されたのはエージェントの中核——プロンプト・推論構造・判断ロジック——であり、実機の制御インターフェースに合わせて MCP ツールには環境固有の小改変が入っている¹。ガイダンスも、コマンドを人間へ渡す形式を指示する安全上の一点だけが加わった¹。

実機では、参照反射を正しく同定し、方位行列を決定した¹。原典の抄録はこれを「あらゆる種類の単結晶散乱実験における不可欠な最初の一歩」と位置づけている。ただし論文の本文での言い方はこれより狭く、「多くの種類の散乱実験において不可欠かつ困難な前提条件」であり、別の箇所では対象を単結晶散乱に限らず、シンクロトロンX線・X線自由電子レーザー・中性子の実験に広く関わる前提条件だとしている¹。加えて、予期しない実験条件にも有効に対応し、適応的な問題解決を示したと述べる。ただし原典は、同じ文の中でその適応を自ら限定している——観測されたのは限られた回数の実機試行のあいだであり、統計的に確立された能力と解釈すべきではない、と¹。

自律の範囲も、実機と仮想環境で違う。仮想環境ではコマンドの実行と結果の解析を含む全ステップが人手の介入なしに進むが、実機の初回実証では、生成されたコマンドの実行を人間の実験者が中継している。理由は施設の安全要件を満たすためであり、提案されたコマンドは無改変で実行されたのだから自律性は保たれている、というのが原典の立場である¹。自律だったのは何を打つかの決定であって、打つ行為そのものではない。

装置の内訳は、原典の Methods に書かれている。Stanford Synchrotron Radiation Lightsource のビームライン BL17-2、試料は Co₃Sn₂S₂ の単結晶で、入射X線のエネルギーは 16.0 keV（波長 約0.7749 Å）、試料は銅のホルダーに載せて室温で測定された。ただしエージェントに与えられた構造ファイルは、仮想環境のものではなく Crystallography Open Database の別ファイルである¹。実機の実証もこの1件ではない。原典はもう1件、単結晶 Si の試料で、モーターのオフセット Δη = 1.5度 と極端に鋭いピークという難条件下でアライメントを通したと報告している¹。

成功率は仮想環境にはある。実機には無い

ここは読み違えやすい。成功率が無いのは実機のほうだけである。 仮想環境では、原典は成功の判定基準を数値で定めている——アライメント誤差 15度以下、格子定数 c の絶対誤差 0.01 Å 以下。そのうえで、Claude Sonnet 4 と Gemini 2.5 Flash をそれぞれ十回の独立した実行で走らせ、成功した実行回数を総試行回数で割った形で図に示している¹。この図の成績は、実機で走ったモデルのものではない——原典は、仮想では他に試した機種も課題を遂行できたとしたうえで、実機にはより大きなモデルを充てたと書いている¹。敵対的な条件下では性能が劣化すること、とくに推論の深さを制限したときに劣化することも報告されている。載っていないのは、実機での試行回数と成功率、そして人間のビームライン科学者と比べた結果である¹。

実機について示されたのは、二つの試料で、アライメントが最後まで通ったという記録である。何回に何回通るのかは、この報告からは分からない。原典はその理由も書いている——ビームタイムの制約により、実機の実験構成はビームラインのセッション中に同一条件で系統的に反復されなかった¹。そしてそれは、原典自身が先に書いていることでもある——統計的に確立された能力と解釈すべきではない、という前節の限定は、著者らが自分の実機結果に付したものだった¹。全体の自己評価は「大規模散乱施設の多様な実験環境にわたる自律運転へ向けた一歩」だが、実機の一回一回には、その言葉より慎重な限定が付いている。

著者らが問題として置いているのも、そこだ。通常の研究室でも大規模施設でも、実験タスクの遂行には広範な人間の監督が要る——それが完全に自律的なAI駆動の科学への道における主要な課題として残っている、というのが出発点である¹。監督をどれだけ減らせたかを言うには、監督下で何がどれだけ起きたかの記録が要る。この報告は、その手前にある。

もう一方は、人をループに残す

Vriza らの報告は、npj Computational Materials に2026年3月6日に公開された²。扱う装置は近い。X線ナノプローブ・ビームライン——X線を微小な点に絞って試料の局所を測るビームライン——と、材料の設計・特性評価に専従する自律ロボットステーションである。

問題の置き方が違う。著者らは、次世代X線光源や自走式ラボのような先端の共用施設が、定型作業の自動化で発見を変えつつあると認める。そのうえで、新しい実験ワークフローへの対応、多様な利用者プロジェクトへの適応、より複雑な装置・実験への要求に応えて進化し続けねばならないと書く。その継続的な開発が、運用上の複雑さを生む²。焦点に置かれるのは、使いやすさ、再現性、直感的な人と装置の相互作用だ。

提示されるのは、human-in-the-loop のパイプラインである。複数のLLMを「訓練可能な科学アシスタント」として評価し、マルチモーダルなデータを含む複雑な多タスク・ワークフローを統括させる。性能は、任意の人間の入力と反復的な学習によって最適化する²。狙いは、高度な自動化と使いやすい運用の間の隔たりを埋めることにある。

同じ年、同じ種類の装置について、割れているのは目標ではなく経路だ。どちらも自律の度合いを上げようとしている——人をループに残す側も、自分たちの枠組みを「自走ラボの自律を高める」ものとして位置づけ、蓄積した指示を再利用することで「継続的な人間の介入の必要を減らす」と書く²。違うのは、人間の入力をどう扱うかである。片方は人間の監督を減らすべき主要な課題として置き、もう片方は任意の人間の入力と反復的な学習を、性能を上げる設計上の要素として組み込む¹²。人がループにいるかどうかで二つを隔てることはできない。 自律を掲げる側の実機実証にも、安全要件を理由に人間がコマンドの実行を中継する形で入っていた¹。隔てているのは、人がそこにいることを過渡的な制約と見るか、設計上の要素と見るかである。

どちらが正しいかは、公表されている資料からは決まらない。決まらない理由の一つは、両者が同じ物差しで測られていないことだ。自律の側は実機についての成功率を出しておらず、人をループに残す側は人間の入力量を「任意」と書いている¹²。

先に起きたこと——外部の再解析と、著者の訂正

装置を動かす自動化には、すでに前例がある。無機材料の合成を加速する自律実験室の報告で、2023年11月29日に Nature でオンライン公開されたものだ⁴。

公開後、外部の研究者による再解析が出た。Leeman ら（責任著者は Schoop と Palgrave）が2024年1月7日に ChemRxiv へ投稿し、のちに PRX Energy（3, 011002）へ査読を経て掲載されたものである³。中心的な指摘は、組成無秩序——結晶構造の中で原子の配置に乱れがあり、同じ席をいくつかの元素が分け合っている状態——を無視できない、という点だった。これを見落とすと誤った結論に至りうる、とする。新規性についても、成功とされた材料の三分の二は、予測された規則構造の既知の組成無秩序版である公算が高いと指摘した³。

批判の射程は、組成無秩序の一点にとどまらない。批判側は報告された合成生成物43件すべてを検討して分析上の見落としを4類型に整理し、「これらの誤りは、その研究において新材料は一つも発見されていないという結論を導く」と書く。加えて、粉末X線回折の自動 Rietveld 解析はまだ信頼できない、というのがもう一方の結論である³。後者は、装置を動かす自動化の「動いた」を誰が確かめるかという本稿の問いに、そのまま重なる。

著者側の応答は、2026年1月19日の訂正として出た⁴。訂正文は、公開後に二つの懸念が提起されたと書く。回折による化合物構造の一義的な同定と、material novelty（材料の新規性）の当初の主張である。

著者らは、新規性の当初の主張は誤解を招きうるものだったと認めた。意図は、材料が予測プラットフォームにとって新しいという意味であって、必ずしも科学にとって新しいという意味ではなかった、と述べている⁴。本文はこれを反映して改訂された。

加えて著者らは、回折パターンを手作業で再解析した。その結果、報告された40件の成功のうち36件については、予測プラットフォームが正しい結論に達していたことを確認した。4件は判定不能（inconclusive）である⁴。成功として数える化合物の総数は、この4件を除外するよう更新された。この再解析は、公開後の査読を受けている⁴。

区別が要る。訂正が認めたのは三つである。新規性の表現、判定不能の4件、そして訓練データに誤って混入していた化合物1件（Zn₂Cr₃FeO₈）を議論から削除したこと⁴。三つ目は前の二つとは別種の譲歩で、判定の当否ではなく、評価対象そのものの汚染にあたる。

外部の指摘がすべて認められたわけではない⁴³。認められなかったものの中心は、批判側の「新材料は一つも発見されていない」という全否定のほうである。ここで物差しを片側にだけ当てないよう注意が要る。訂正側の再解析は公開後の査読を受けているが、批判側もまた PRX Energy に掲載されて査読を通っている³。査読の有無で片方を割り引くことはできない。それでも順序は動かない。外部の再解析が先にあり、訂正がそれに続いた。

装置を動かすエージェントの検証は、論文の再現とは別の問題

公開されたコードとデータをもう一度走らせて、出てきた数字を論文の主張と突き合わせる——機械に論文を再実行させる話には、突き合わせる相手がある。装置の側では、その相手がない。

エージェントが方位行列を決めたとして、それが正しかったかは、以降の測定が意味を成すかで初めて分かる。参照反射の同定を誤れば、その後のスキャンはずれた場所を測り続ける。そしてそのずれは、試料そのものの性質として解釈されうる。自律実験室の前例で問題になったのは、まさにその形だった——回折による構造の同定が、独立の再解析まで確定しなかった⁴³。

やり直しの条件も違う。訂正の事例で著者らができたのは、回折パターンを手作業で引き直すことだった⁴。手元にパターンが残っていたからだ。装置操作のほうは、そうはいかない。装置条件そのものは公表されている——原典は入射エネルギーも試料ホルダーも測定温度も Methods に書いた¹。復元を妨げるのはビームタイムのほうで——原典自身、ビームタイムの制約で同一条件の系統的な反復は行われなかったと書いている¹——割り当て制である以上、同じ試料に同じ光を当て直す機会が誰にでもあるわけではない。何を見て、どのコマンドを選び、どう解釈したか——その履歴が残っていなければ、同じ引き直しはできない。

その履歴は公開されている。Chen らは実機実証の完全な会話履歴を Supplementary Note に置き、データとコードを Zenodo で公開している¹。Vriza らもデータとコードを GitHub で公開し、LLM の確率的な振る舞いを、制限された行動空間・自動リンティング・人間の監督・管理者エージェントの層で抑え、低レベルの装置制御は決定的かつ検証済みに保つと書く²。足りないのは記録そのものではなく、施設や装置をまたいで突き合わせられる共通の形式である。 どちらも自分の1本ぶんを公開したのであって、装置操作エージェント一般の記録形式を提案してはいない。

実機の中継は、この点で示唆的である。安全要件のために人間がコマンドの実行を担った以上、エージェントが何を打とうとしたかは、少なくとも一度は人間の目を通っている¹。追跡に使える記録が、そこに一度は存在したことになる。残るのは、それが個別の論文の付録として出されるのか、施設の運用として常に出る形になるのかである。

何が見えれば、判断できるようになるか

実機の成功率が出るか。仮想環境の側には判定基準も試行回数もあるが、実機については成功率も試行回数も無い¹。同じ手順を同じ条件で何回繰り返し、そのうち何回が方位行列の決定まで到達したか。試料を変えた実証はすでに二件あるが、原典自身が書くとおり、ビームタイムの制約で同一条件の反復は行われていない¹。それが出た時点で、「動いた」は記録から測定に変わる。

人間の入力が、どこにどれだけ入ったか。人をループに残す設計では、性能は任意の人間の入力によって最適化される²。任意ということは、入力の量が事例ごとに違うということだ。どの判断を人が下したかが分離して記録されれば、自律を掲げる側の報告と同じ物差しに載る。

判定不能の扱いも効く。訂正で更新されたのは、成功の総数から判定不能の4件を外したことと、訓練データに含まれていた1件を議論から削除したことだった⁴。装置を動かすエージェントの評価でも、成功と失敗の二値に収まらない結果は出るだろう——実際、X線の側の原典も、成功の判定を誤差の閾値で切り、閾値を越えた実行を成功数から外している¹。それを成功に寄せるか別枠で数えるかで、報告される率は動く。

そして、外部が再解析できる形でデータが出るかどうか。前例で誤りを先に指摘したのは、著者らではなく外部のグループだった³。手がかりになったのは、公開された回折の測定そのものである。エージェントが取ったデータと操作の履歴が同じように出れば、同じ検証が回る。この二本は実際にそうしている¹²。次に問われるのは、それが個別の善意ではなく、ビームタイムの配分と同じ水準の運用規則になるかどうかである。

二本の報告は、同じ年に、近い装置について、逆向きの経路を掲げて出た¹²。片方は人間の入力を減らすべき制約として、片方は性能を上げる設計上の要素として。ただし逆向きなのは人間の入力の扱いであって、自律を高めるという目標そのものではない——人をループに残す側も自分たちの枠組みを「自走ラボの自律を高める」ものと書き²、自律を掲げた側の実機実証にも、安全要件を理由に人間が入っていた¹。この二つが噛み合うのは、どちらの側も「何が起きたか」を同じ粒度で書き出したときだ。前例が示しているのは、その書き出しが足りないとき、確定までに外部の再解析と著者の訂正を要するということである³⁴。

この記事はAIが執筆しています。内容には誤りが含まれる可能性があります。ご注意ください。