Materials Informatics

生成材料モデルの新物質は実験が作ってきた構造からずれる

2026/7/20 （更新: 2026/7/20）

🤖 AIが執筆しています

要点： AIによる材料発見は、まず数で語られる。GNoMEは「安定な新結晶220万個、うち38万個が新規」を報告し¹、MatterGenは目標物性を条件に新結晶を生成してみせた²。だが、その「安定」は計算（DFT）で安定という意味であって、実験で作れるという意味ではない。2026年6月に相次いで出た独立した2本の研究が、この差を正面から測った。1本目は、計算が出す提案が、実験が実際に新物質を見つけてきた構造の範囲からずれると示した³。2本目は、計算の参照値そのものが実験の代わりにならないと、事前登録した検証で示した⁴。ただし——このずれは生成AI固有ではなく計算全般の性質で、生成系ではMatterGenが最も実験に近く、実合成の実績もある。溝は測れて、詰められる。

「安定」は、二つの意味を持つ

材料発見のAIは、桁で語られてきた。GNoMEはグラフネットワークを大規模化し、凸包より下（＝熱力学的に安定）の構造を220万個、うち新規なものを38万個報告した¹。MatterGenは拡散モデルで、目標の物性・対称性・組成を条件に新しい結晶を生成できると示した²。数は圧倒的だ。

だが、ここでの「安定」は計算上の安定を指す。DFT（密度汎関数理論）で計算したエネルギーが、既知構造の作る凸包より下にある、という意味だ。それは「実験室で合成できる」とも「実在する」とも同じではない。合成には速度論や前駆体の入手性が絡み、DFTの計算値自体にも系統誤差がある。数万・数百万という見出しの数字は、計算という物差しの上で数えられている。問題は、その物差しが実験のどこまで代理になるかだ。

計算提案は、実験が作ってきた構造からずれる

1本目（Nguyenら、2026年6月29日公開のプレプリント）は、変わった角度からこれを測った³。実験で報告されてきた無機結晶の歴史をネットワークとして捉え、新しい組成式が「既存の構造の族（コミュニティ）」に入るのか、新しい族を作るのかを追ったのだ。著者らの読みでは、実験の発見には強い慣性がある。新しく報告される組成式の82.9%は既存の族に収まり、まったく新しい族の誕生は1930年代の40.2%から2010年代の2.6%へ大きく減っていた。実験の発見は、過去に作れた化学の近傍を探る営みだ、というわけだ。

この物差しで計算データセットを測ると、実験の分布からの近さは held-out ICSD ＞ MatterGen ＞｛GNoME・Materials Project（理論）｝＞ JARVIS ＞ Alexandria-PBE の順だった³。つまり計算が出す提案は、実験が実際に歩んできた構造空間から系統的に外へ出ている。

ここで公平を期すべき点が二つある。第一に、著者ら自身が強調するのは、この構造的なずれは生成AIに固有ではなく、試したすべての計算集合に共通するということだ³。純粋なDFTデータベースであるMaterials Projectの理論構造も、同じように実験が作ってきた構造からずれていた。これは「生成モデルが雑だ」という話ではなく、「計算による材料探索が、実験の発見のしかたとは別の空間を歩く」という、より広い話だ。第二に、生成モデルの中ではMatterGenが最も実験に近かった——最新の生成器が、最も実験が作ってきた構造に沿っていた側の証拠でもある。

計算の参照は、実験ではない

2本目（Vepa、2026年6月19日公開のプレプリント）は、別の入口から同じ溝を突いた⁴。機械学習によるナトリウム系正極（Naイオン電池の材料）のスクリーニングを題材に、計算で得た電圧を「正解」に使うこと自体の危うさを、事前登録（pre-registration）した検証で測った。閾値も失敗の定義も主要指標も、解析の前に固定してから臨む、という作法だ。

著者らの報告では、モデルの平均絶対誤差は保留テストで0.67V、事前登録した保守的な指標（バイアス補正後の誤差の95%上界）で1.09Vだった⁴。だが核心はモデルの精度ではない。Materials Projectの計算参照値が、実測より約0.54V系統的に低かったのだ。実測・計算・予測の三つが揃う化合物では、全体のずれを支配していたのはモデルの誤差ではなく参照側の誤差だった。加えて残差は電圧に強く依存し（相関 r=−0.94）、単純な一律補正では直せなかった。ついでに、狙ったNa置換空間の少なくとも70%はすでに論文化済みで、「新規発見」の余地も見た目より狭かった⁴。計算値を実験の代わりに信じてスクリーニングを回すと、モデルの良し悪し以前に、土台の参照がずれている——という指摘だ。

同種の批判は以前からある。CheethamとSeshadriは、GNoMEの提案の多くは既知物質のドーパント違いや対称性を崩しただけの変種、あるいは化学的に無理のある多元素組成であり、新規性・合成可能性・実用性のいずれかで大半が落ちる、と論じた⁵。数の大きさは、使える材料の多さを意味しない。

それでも、生成は現実を生んでいる

ここで「AIの材料発見は看板倒れだ」と締めるのは、片側だけを見た読み方になる。反対側の証拠も具体的だ。MatterGenは体積弾性率200 GPaを目標に新規化合物 TaCr₂O₆ を生成し、それが実際に合成・測定され169 GPa——設計目標から2割以内——だったと著者らは報告する²。紙上の指標ではなく、現実の測定で裏が取れた例だ。GNoMEも、報告した構造のうち736個が世界中の研究室で独立に実合成されたと、並行研究を突き合わせて示している¹。そして前節の通り、実験が作ってきた構造に最も近い生成集合はMatterGenだった³。生成という手法そのものは、粗いなりに現実へ橋を架けている。

この報告を、どう割り引くか

2本の新研究はいずれも査読前のプレプリントで、独立再現は未確認だ。1本目はネットワークの作り方（どこで族を区切るか）に、2本目はNa正極という単一材料系・n=6という小さな実験アンカーに、それぞれ結論が依存しうる⁴。数字は著者らの読みであって、確定した定説ではない。

それでも、二つの向きから見えるものは一貫している。計算の「安定」は、実験の「実在」の一次近似にすぎない。そして両者の間には、測れるずれがある——実験が作ってきた構造からの距離として³、参照値の系統誤差として⁴。測れるなら、詰められる。実験で実際に作られた構造の分布に生成を寄せる、参照をDFTでなく実験にアンカーし直す、検証を事前登録して都合よく緩めない。「計算上は安定」と言うたびに「では実験では？」と問い直す——計算の「安定」は、実在に照らして初めて意味を持つ。

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。