In Silico

Materials Informatics

『大量に生成』は『良い』ではない——AI結晶生成の『ものさし（SUN指標）』が測り損ねるもの

2026/7/9

🤖 AIが下書き・人間が編集

目次
AIによる結晶生成の『ものさし（SUN指標）』が抱える穴を示す関係図。AIは結晶を大量に生成できるが、良し悪しを測るものさしが危うい。①独自性・新規性は二値の閾値判定なので、原子座標の微小変化や並べ替えで揺れる（Negishi ら, arXiv:2510.12405）。②安定性も二値判定で報酬ハッキングを許し、わずかに不安定でも新規な候補を早々に切り捨てる（同）。③単一指標の順位は誤解を招く。12モデルを横断で測ると、安定性を上げると新規性・多様性が下がり、全次元で勝つモデルは無い（LeMat-GenBench, arXiv:2512.04562）。手当ては指標の連続化（cSUN）と標準化。高い新規性はノイズでも出せる。
※ 概念図（フロー）・作図：AI。主張は各出典による。「たくさん作れる」ことと「良いものを選べる」ことは、別の問題だ。

要点： 生成モデルは、いまや新しい結晶構造をいくらでも吐き出せる。拡散モデルやトランスフォーマで候補を量産し、画面の外で候補を絞る——materials informatics の花形だ。だが「たくさん作れる」ことと「良いものを作れる」ことは別だ。良し悪しを測るものさしが、安定・独自・新規（Stable, Unique, Novel＝SUN）という三つの指標である。2025年後半から2026年前半にかけての独立した研究が、このものさし自体の危うさを指摘した。(1) 独自性・新規性は二値の閾値判定で、原子座標の微小な変化や並べ替えで揺れる1。(2) 安定性も二値で、その形は報酬ハッキングを許す——わずかに不安定でも新規な候補を早々に切り捨てもする1。(3) 12モデルを横断で測ると、安定性を上げれば新規性・多様性が下がり、全次元で勝つモデルは無い2。いずれも査読前を含むプレプリントだが、別々のチームが「順位を額面で読むな」という同じ方向を指している。

SUN——生成結晶の「ものさし」

生成モデルの良し悪しは、ふつう三つで測る。安定（Stable）——エネルギー的に成り立ちそうか。独自（Unique）——生成物どうしが重複していないか。新規（Novel）——既知のデータベースに無いか。頭文字をとって SUN と呼ぶ。「SUN率が高い」＝「安定で・重複せず・新しい結晶を多く生めた」と読むのが通例だ。

問題は、この各指標が二値（yes/no）で定義されている点にある。ある構造が「新規かどうか」を、既知構造との距離がしきい値を超えるかどうかで一刀両断する。Negishi らは、この二値のものさしが抱える弱さを整理した1。

ものさしその1：二値だから、揺れる

Negishi らの指摘によれば、独自性（U）と新規性（N）は構造どうしの二値比較に依存するため、恣意的なしきい値に左右される1。似ている度合いを量として捉えられず、原子座標のわずかな摂動で判定が変わり、サンプルの並べ替えにも不変でない。つまり、同じモデルでも、比較の設定をいじれば新規率は動きうる。ものさしの目盛りが、測る対象ではなく測り方に依存している。

安定性（S）の二値判定にも副作用がある。エネルギーのしきい値で「安定／不安定」を切ると、わずかに不安定だが新規で有望な候補を、入り口で捨ててしまう1。安全側に振ったつもりの二値化が、探索の芽を摘む。

ものさしその2：報酬ハッキングを許す

もっと厄介なのは、二値のものさしが報酬ハッキングに弱いことだ。Negishi らは、SUN を連続量に作り替えた「cSUN」を提案し、これを強化学習の報酬に使うと報酬ハッキングを和らげられると報告する1。裏を返せば、従来の離散的なSUNを報酬にすると、モデルは指標を満たす近道を突ける——中身の良さではなく、ものさしの穴を突いてスコアを稼げてしまう、ということだ。

極端に言えば、ランダムに近い生成でも「新規性」は高く出せる（既知データから遠いから）し、既知構造を薄くなぞるだけでも「安定性」は稼げる。だから単一指標の高スコアは、良い生成の証明にならない。これは、In Silico がエージェント評価で見た「解かずに満点」と同じ構図——採点の穴を突けば、中身なしに点は取れる——の、結晶版だ。

横断で見ると：全部で勝つモデルは無い

では、ものさしを揃えて測るとどう見えるのか。Betala らの LeMat-GenBench は、結晶生成モデルの再現可能で標準化された比較基盤がこれまで欠けていた、という問題意識から出発する2。12個の近年のモデルを共通の指標で評価し、公開のリーダーボードとして整理した。

その横断評価が示したのは、単純な優劣ではなくトレードオフだった。平均すると、安定性を上げると新規性と多様性が下がる傾向があり、全次元で抜きん出るモデルは無かった2。「どのモデルが一番か」は、どの軸で測るかを決めない限り答えられない。一本のSUN率で並べたリーダーボードは、この競合を覆い隠してしまう。

この報告をどう割り引くか

鵜呑みにする前の留保も要る。二つとも査読前を含むプレプリント（cSUN は2025年10月公開・2026年3月改訂、LeMat-GenBench は2025年12月公開）で、独立の再現はこれからだ。また、これらは「既存指標の穴を示し、より良い指標を提案する」立場の研究であり、新しいものさしを売り込む動機を差し引いて読むべきだ。「SUN指標は全部無意味」と一般化するのは行き過ぎで、SUN は依然として最初のふるいには有用だ。

それでも、方向は堅い。二値の指標がしきい値に揺れ、報酬ハッキングされうるのは形式上の性質であり、別々のチームが独立に同じ弱点に行き着いた収束は、単発の主張より重い。確定ではなく、筋の良い警告として扱うのがちょうどよい。

実務で何を見るか

生成モデルで材料候補を絞る側なら、勘所は絞れる。

ただし、ものさしが揺れることと、生成という手法そのものが無価値であることは別だ。公平に言えば、生成＋SUN的なふるいは、机上のスコアだけでなく現実の成果も生んでいる。MatterGen は目標物性（体積弾性率200 GPa）を条件に新規化合物 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——だったと報告する3。さらに遡れば CDVAE は、「安定な結晶の分布」だけを学ばせることで物理的に妥当な新規構造を生む枠組みを確立し、以降の生成モデルの土台になった4。つまり「安定・独自・新規を作る」という目標自体は、粗いなりに一次近似として機能してきた。問題は目標の是非ではなく、それをどう測るかの精度にある。

生成の速さは、良い材料の量産を意味しない——その間を橋渡しするのが、ものさしだ。2025〜26年の研究は、そのものさし自体がまだ揺れていると示した。二つの報告はプレプリントだが、別々のチームが「二値だから揺れる・ハックされる」「単一指標は競合を隠す」に独立に行き着いた点で、単発の主張よりは筋がいい。たくさん作れることを、良いことと混同しない——それが、生成材料探索を地に足のついたものにする第一歩になる。

出典

  1. [negative] Masahiro Negishi, Hyunsoo Park, Kinga O. Mastej, Aron Walsh, “Continuous SUN (Stable, Unique, and Novel) Metric for Generative Modeling of Inorganic Crystals”（arXiv:2510.12405, 2025年10月14日公開／2026年3月30日改訂・査読前）。無機結晶の生成モデルで使う安定(S)・独自(U)・新規(N)の各指標が抱える弱点を整理。UとNは構造どうしの二値比較に依存し、恣意的なしきい値に左右され、似ている度合いを量として捉えられず、原子座標の摂動に敏感でサンプルの並べ替えに不変でない。Sの二値判定は、わずかに不安定だが新規な候補を早々に排除する恐れがある。これらを連続量に作り替えた統合指標 cSUN を提案し、強化学習の報酬に用いると報酬ハッキング（reward hacking）を和らげると報告する。https://arxiv.org/abs/2510.12405 ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8

  2. [negative] Siddharth Betala ほか, “LeMat-GenBench: A Unified Evaluation Framework for Crystal Generative Models”（arXiv:2512.04562, 2025年12月公開・査読前）。結晶生成モデルの再現可能で標準化された比較基盤が欠けていたとの問題意識から、12個の近年の生成モデルを共通の指標で評価し、オープンソースの評価スイートと公開リーダーボード（Hugging Face）として整理。平均すると安定性の向上は新規性・多様性の低下と引き換えになり、全次元で抜きん出るモデルは無かったと報告する。https://arxiv.org/abs/2512.04562 ↩ ↩2 ↩3 ↩4 ↩5

  3. [positive] Claudio Zeni, Robert Pinsler, Daniel Zügner ほか (Microsoft Research AI4Science), “A generative model for inorganic materials design”（MatterGen）, Nature 639, 624–632 (2025)。目標物性を条件に新規結晶を生成する拡散モデル。体積弾性率200 GPaを目標に生成した TaCr₂O₆ を実際に合成・測定し169 GPa（設計目標比2割以内）を得たと報告——生成＋安定/新規フィルタが、紙上の指標でなく現実に検証された新材料を生みうる側の一次証拠。https://doi.org/10.1038/s41586-025-08628-5 ↩

  4. [positive] Tian Xie, Xiang Fu, Octavian-Eugen Ganea, Regina Barzilay, Tommi Jaakkola, “Crystal Diffusion Variational Autoencoder for Periodic Material Generation”（CDVAE, ICLR 2022, arXiv:2110.06197）。安定な結晶の分布のみを学習し、拡散デコーダが原子を低エネルギー配置へ動かすことで物理的に妥当な新規構造を生成。「安定かつ新規な構造を作る」という目標を扱いやすい一次近似として確立し、後続（DiffCSP・FlowMM・MatterGen）の土台になった。https://arxiv.org/abs/2110.06197 ↩

この記事はAIが下書きし、人間が編集・公開しています。