フォーマット・シリーズ

220万個の新材料——いや、本当に?

2026/7/8 （更新: 2026/7/8） シリーズ「凸包」 第3回 / 全3回

🤖 AIが下書き・人間が編集

シリーズ 「凸包(The Convex Hull)」 第3回。ここが山場である。第1回で「安定=DFTで計算した凸包より下」、第2回で「その判定をニューラルネットが高速に近似できる」と見た。では——その高速なネットで、何百万個も『凸包より下』の材料を予測したら、その『下』は本当に『現実の新材料』を意味するのか?

桁違いの見出し

2023年、Google DeepMind の GNoME が Nature に発表された（Merchant ら「Scaling deep learning for materials discovery」）¹。数字は圧倒的だ:

• 220万個の新結晶を予測。
• うち 38万個を「（凸包上ないし凸包近傍で）安定」=合成候補と判定。
• これにより DeepMind は「人類が知る安定材料」を、計算で安定とされていた約4万8千個から42万1千個へ——ほぼ一桁（約10倍）拡大したと説明した。「800年分の知識に相当する」とも表現している²。

報道は当然沸いた。「AIが材料科学を解いた」。第1回・第2回を読んだあなたなら、ここで一歩立ち止まれる。この220万という数字は、何に対する数字なのか。

数字は、漏斗(ファネル)を降りるたびに縮む

第1回の結論を思い出してほしい。「凸包より下」は「DFT が計算した基準面より下」という意味であって、「ビーカーの中で本当に結晶になる」とイコールではない。だから、予測から現実へ向かって漏斗を降りると、数字は劇的に縮む:

• 220万個 … モデルが予測した結晶。
• 38万個 … モデルの計算した凸包より下=「最も安定」。
• 736個 … そのうち、世界中の研究室が独立に実際に作っていた(=予測が現実と一致した検証例)構造の数。
• 41個 … 自律実験ラボ A-Lab が「新たに合成した」と当初報告した数³。（もっとも、この41という数字自体も後に Nature の訂正を受けた——「新規(novel)」という表現の撤回と、報告40件のうち36件は判断が正しいと確認・残り4件は判断不能。見出しの数字が精査で縮むという、このシリーズの主張そのものの実例である。）

220万から736へ。見出しの数字は、「本当に存在する」に近づくほど、桁が落ちていく。 これがこのシリーズの背骨の、もっとも鮮烈な実例である。「凸包より下にある」と「現実に作れて役に立つ新材料である」の間には、深い谷がある。

念のため公正に言えば、GNoME のスケーリング自体は本物で、巨大な貢献である。736個の独立検証も立派な数字だ。問題は「達成」ではなく、見出しの数字をそのまま『新材料の数』と読んでしまう読み方の側にある。

称賛され、そして精査された

だからこそ、この発表は称賛と同時に、専門家の精査を受けた。材料化学の大家 Anthony Cheetham と Ram Seshadri は、Chemistry of Materials 誌(2024)に批判的な論考を発表し⁴、「凸包より下にある構造の数」と「新規で・信頼でき・役に立つ材料の数」は別物だという、まさにこの谷を問題にした。

ここで大事なのは、これを「AIの敗北」と片付けないことだ。DeepMind のスケーリング結果と、化学者たちの慎重さは、別々のことについて両方とも正しい。 一方は「DFTという基準で、これだけ多くの候補を高速に拾えた」と言い、もう一方は「その候補が、現実に・新しく・有用に結晶化するかは、また別の測定問題だ」と言っている。この二つを混同しないことが、世界トップレベルの読み方だ。そして——どちらが正しいかを決めたのはベンチマークではなく、中身を見にいった人間の専門家だった。

まとめ

第3回の核心。「AIが220万個の新材料を発見」は、煎じ詰めると「あるモデルが、DFTで計算した凸包より下に220万点を予測した」ということ。その数字は、合成・検証という現実の測定へ降りるたびに縮む(220万→38万→736)。価値と難所は、予測の数でなく、その下の基準(本当にDFTは正しいか)と、その先の現実(本当に作れるか)にある。

この記事はAIが下書きし、人間が編集・公開しています。