フォーマット・シリーズ

GNoMEの220万個の新材料、実験で確かめられたのはいくつか

2026/7/8 （更新: 2026/10/7） シリーズ「凸包」 第3回 / 全3回

🤖 AIが執筆しています

桁違いの見出し

2023年、Google DeepMind の研究チームが GNoME を Nature に発表した（Merchant ら「Scaling deep learning for materials discovery」）¹。数字は圧倒的だ:

• 220万個 … それまでの研究（Materials Project など）を基準にすれば安定、と判定された構造。
• 38万1000個 … うち、GNoME自身の発見どうしを競わせて引き直した更新後の凸包の上に残ったもの。論文が「新規に発見された材料」と呼ぶのはこちらだ。
• これにより「人類が知る安定材料」は、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、ほぼ一桁拡大した、と論文は述べる（実比は8.8倍。同じ論文でも結論節は、安定結晶の数を「一桁を超えて」増やしたと書いている）¹。4万8千と38万1000を足しても42万1千にならないのは、GNoME 自身の発見が、先行研究の「安定」登録を少なくとも5,000件、凸包の上へ押し出したためだ¹。なお「ほぼ800年分の知識に相当する」という言い方は、この 42万1千ではなく220万個の発見に対して使われている²。

報道は当然沸いた。AIが材料探索を一気に進めた、という調子で。ただ、強い言い方をしたのは報道だけではない。論文の要旨が「stable materials known to humanity」と書いたところを、発表ブログは冒頭で「technologically viable materials known to humanity」と書いている²。人類が知る「安定材料」から、人類が知る「技術的に使える材料」へ。この言い換えは、計算上の安定と技術的に使えることの隔たりをまたいでいる。

ここで一歩立ち止まりたい。この220万という数字は、何に対する数字なのか。

数字は、現実に近い段ほど小さい

「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。基準そのものも計算の設定で動き、より精度の高い汎関数で検算すると、試験した四元系の13.2%は凸包の上に出る¹。だから、予測から現実の側へ段を降りると、数字は劇的に小さくなる。ただし、どの段も上の段をふるいにかけた残りだとは限らない:

• 220万個 … それまでの研究の基準で「安定」＝当時の凸包より下。
• 38万1000個 … うち、更新後の凸包の上に残った新規材料。
• 736個 … GNoME の発見のうち、世界中の研究室が独立に得ていた実験構造（ICSD）と構造まで一致した数。組成だけの一致なら 4,235 件あり、そこから構造の突き合わせを通ったのが 736 件だ。著者ら自身は、この 736 を組成の厳密一致を求めた保守的な下限だと断っている。
• 184個 … さらにその内側。同論文の Methods は「736件のうち184件が、このプロジェクト開始以降の新しい発見にあたる」と書いている。裏を返せば残る約550件は、GNoME が動き出す前から実験で知られていた構造だ。発表ブログは、この736件を、世界中の研究室が同時期の研究で独立に作った新しい構造と書いている²。同じ数字が、どの分母で見るかで意味を変える。
• 36個 … 自律実験ラボ A-Lab が、Materials Project と DeepMind の計算データから選んだ57の標的のうち17日間で合成した数³。上の736件の内訳ではない。標的を採った計算プールも別である。57の標的は Materials Project の「理論のみ」（実験未確認）の登録から絞ったもので、GNoME の220万は逆に、その Materials Project を基準にして新たに凸包の下へ来た構造だ。

最下段の36には、その手前に A-Lab 自身の絞り込みがある。Materials Project の理論エントリから、放射性・希少・有毒な元素を含むものや、実験で扱いにくい系（硫化物など）、合成データ集と無機物質ハンドブックに組成が載っているものを落として432候補。空気中で安定なものが146、前駆体が手に入るものが57、そのうち作れたのが36である。原典はこれを成功率63%と要約し、選んだ57標的の多くには同じか近い組成の実験報告がある、とも断っている³。各段の条件（既存の資料に載っていないか、空気中で安定か、前駆体が買えるか）は、「計算で安定」と「現実に作れる」のあいだの距離そのものだ。

A-Lab の当初の報告は「58標的のうち41」だったが、訓練データに紛れていた1件を除いて57標的・報告40件となり、回折パターンを人手で見直すと判断が正しいと確認できたのは36件、残る4件は判断不能だった。訂正は、当初の「新規」が科学にとってではなく予測の仕組みにとって新しいという意味だったと説明している³。Leeman らは全件を再検討して新物質は1件も発見されていないと結論し、成功とされた物質の3分の2は予測した秩序構造の既知の組成無秩序版だろうとした³。この経過は、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。一方で発表ブログは2026年10月3日時点でも、A-Lab が41を超える新材料の合成に成功したと書いている²。

220万から736へ。見出しの数字と、実験で確かめられた数のあいだには、桁違いの開きがある。 これがこのシリーズの主張の、はっきりした実例である。「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。ただし、736 はその谷の深さを測った数ではない。上で見たとおり 736 は下限で、一致しなかった残りは、ICSD との照合で確かめられていないだけだ。

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。また、上で見たとおり、その読み方を後押しする書き方も、発表の側にあった。付け加えれば、この谷は論文の外から持ち込まれたものでもない。GNoME 論文自身が結びで、未解決の問題として競合多形・動的安定性と並べて synthesizability（合成可能性）を挙げている¹。エネルギーの低さと合成できることのずれは、どちら向きにも出る。ICSDの登録から絞り込んだ約3万相のうち50.5%は、計算上は凸包の上、つまり計算の意味での「安定」の外にある⁴。同じ研究は、よく調べられてきた二元酸化物でも、観測された相と同じエネルギー帯に未観測の低エネルギーの多形が数多く計算に出ることから、エネルギーが低いことは合成できることの十分条件ではないとも書いている⁴。

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⁵、「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」は別物だという点で、この谷を問題にした。二人はもっと直接的に、この仕事が報告しているのは新材料ではなく提案された化合物の一覧であり、機能が実証されていない以上それらはまだ「材料」とは見なせない、と書いている。

二人の批判は、AI/ML という道筋そのものの否定ではない。向いているのは、数の読み方と、方法に足りていないものの両方だ。要旨は「この仕事で採られた方法は有望に見えるが、材料合成と結晶学の専門知識を組み込む必要が明らかに大きい」と結び、本文は希土類14元素とイットリウムの化学的な近さ、ジルコニウムとハフニウムの等価性、多くの登録に残る疑似対称性を、具体的な改善要求として並べている⁵。

言葉だけの批判でもない。二人は、GNoME が安定とした構造の一覧である Stable Structure データベースの 38万4870 件から無作為に10件を抜き、その10件すべてが ICSD にすでにある構造型に当てはまったと報告している⁵。10件中9件は空間群が一致せず、多くは予測側の対称性のほうが低かった。二人は、計算が実質 0 K の小さな単位胞で行われ配置のエントロピーを無視するため、予測では原子が完全に規則正しく並び、この低い対称性が来うると説明している⁵。標本はこの10件であり、データベース全体への外挿ではない。（この 38万4870 は論考が数え上げた登録数で、論文が「更新後の凸包の上」と呼ぶ 38万1000 とは対象が少し違う。）

10件の外側も、二人は数で押さえている。予測側の 38万4870件すべての空間群を数えると、その分布は ICSD のそれと「際立って異なる」という⁵。最も多いのは Pm（12.7%）、P1（10.2%）、Amm2（6.88%）、Cm（5.17%）の順で、上位4つがいずれも非心対称、合わせて全体の約34%を占める。ICSDでは上位24位に非心対称の空間群が1つしかなく、それも全体の1%である。ICSDで最も多い Pnma と P2₁/c は合わせて約16%を占めるのに対し、Pnma は予測側では16位・1.56%まで落ちる。二人はこの食い違いの主因を、人為的な秩序化に求めている。

論考の終盤は「GNoME と Stable Structure の一覧に、際立って新しい化合物はまだ見つけられていない」であり、そこに「38万4870件の中にはいくつかあるはずだとは考えている」という留保がすぐ続く。同じ段落で二人は、多くの新組成が既知材料のささやかな焼き直しである一方、計算による手法は全体として妥当な組成を出しており、その基盤にある方法は健全だという確信を与える、とも書いている⁵。

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、正確な読み方だ。二人自身も論考の最後に、AI/ML のツールが材料探索で明るい将来を持つことは確信しているが、その約束が果たされるまでにはもっと仕事が要る、と書いている⁵。そして、それぞれが何について正しいのかを切り分けたのは、ベンチマークではなく、データベースを一件ずつ開いた人間の専門家だった。

計算の提案と参照値は、実験からどこまでずれるか

2026年6月には、計算と実験の隔たりを別々の向きから測った査読前の論文が2本出ている。どちらも GNoME だけを調べたものではないが、計算上の「安定」をどこまで実験の代わりに読めるか、という問いに、提案の側と参照値の側から数字を足している。

Nguyen らの論文（6月29日公開）がまず作ったのは、実験の側の地図である⁶。ICSD に載る実験構造16万7500件を、構造の似かたを距離とする連続空間に置き、互いに近い構造の一群（族）に分けた。2010年までの構造で地図を作り、それ以降に報告された実験構造を当てると、60.6%が既存の族の内側に入った。計算側の標本を同じ地図に投影すると、初版の解析ではどれもこれより低い。ただし、このずれは AI の予測に固有ではなかった。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の構造からずれ、GNoME と Materials Project の理論構造が族の内側に入る率は、試した3つの切り方のどれでも統計的に区別がつかない。2010年なら36.4%と35.8%である⁶。

もっとも、この比較には後から手が入った。著者らは9月16日、構造を数値で表す特徴量の不具合を直して解析を作り直した改訂版のデータを公開し、初版の数値と混ぜないよう求めている。作り直した図で順位が入れ替わり、実験の分布に最も近い外部の計算集合は GNoME になった。2010年までの地図では、その GNoME とその後の実験構造との差が数ポイントまで縮む⁶。構造の表し方を別の方式に替えると、GNoME が族の内側に入る割合は実験側を上回りさえする。著者らは、主に使う物差しで GNoME の在籍率が低く出ることを、表現に固有の対比であって素材源の普遍的な順位ではない、と書いている⁶。測ったのも公開された標本で、GNoME は公開5000件のCIFである。著者らは族の内側という判定を、合成成功の確率には読み替えない、とも書いている⁶。

構造ではなく組成で比べると、GNoME の公開5000件と重なる簡約組成式は、1980年以降の ICSD に一件も無かった。元素の組合せまで緩めて数えても重なりは3.6%で、96.4%が現代のICSDのそれと重ならない。著者らはこの0を、GNoME が元素数の多い組成に偏るという Cheetham と Seshadri の批判の一面を定量化したものだと読んでいる。ただし、この公開集合は約38万件からの抜粋で、抜き方が完全には記述されていないため、組成の重なりは公開版の性質であって背後のモデルそのものの性質ではない、と断っている⁶。

もう1本は Vepa の単著（6月19日公開。改訂版 v2 まで含めて読む）で、計算で得た値を「正解」に使うこと自体の危うさを測った⁷。題材は、機械学習によるナトリウム系正極（Naイオン電池の材料）の電圧のスクリーニングで、閾値も失敗の定義も主要指標も解析の前に固定する事前登録の作法を取っている。実験に照らせたのは監査済みの既知Na正極6件で、予測・データベース参照・実測の三つを突き合わせられたのは、NaCoPO₄という一つの化合物の2つの多形（ABW型とβ型）だけだった。どちらでもMaterials ProjectのPBE+U参照値が実測より約0.54V低く、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。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⁷。Materials Project は、GNoME の220万を数えたときの基準でもある。ただし Vepa が測ったのは電池の電圧の参照値で、凸包の判定に使う生成エネルギーのずれを測ったものではない。

0.54Vという差を、著者は補正量としては差し出していない。留保は二種類ある。まず標本数で、n=2の比較から出た数字は系統誤差の向きと桁を示すもので、確立した補正量ではない。次に測定側の向きだ。実測値は初回充電の平均で、しかも初回可逆性が約11%しかないセルのものだった。速度論的な分極は初回充電の平均を平衡電圧より上へ押し上げるから、0.54Vの一部はDFTの誤差ですらなく実測側の上方バイアスだ、と著者は書く。三つ目の化合物 Na₃V₂(PO₄)₃ を自分で計算し直すと2.90Vで、実測のプラトー約3.4Vより低く、向きは同じだった。一方で同じ計算台帳を校正監査にかけると、Liの基準対4組のうち3組では逆に、実測より約0.41V高く出た⁷。著者は、GGA+Uの電圧に向けて訓練したモデルが実測への系統的な下振れを引き継ぐという一般化を、遷移金属リン酸塩に限った「推定」の形で書いている。そのうえで、参照によく当てはまるモデルほど、参照のずれを忠実に再現すると指摘する⁷。著者はこの批判を自分の検証にも当てている。モデルの誤差は事前登録した保守的な指標で1.09Vと、使えない精度とした0.50Vの基準を大きく上回ったので、スクリーン自体を取り下げた。続く校正監査でもずれの標準偏差が自ら定めた0.30Vを超える0.31Vに出たため、自前の計算台帳についても絶対電圧の主張を撤回し、順位づけの主張だけを残した⁷。

数値のほかに、参照の同一性も崩れていた。人手で組んだ参照集合の草案を機械にかけると、そこに引かれていた Materials Project の識別子のうち6件が誤りだった。うち1件は名前空間の衝突によるもので、電池データベースの識別子が、本来の Na₄Fe₃(PO₄)₂(P₂O₇) ではなく Cr₃O₈ の対を指していた。残る5件は無関係の化合物を指すか、存在しない識別子だった。著者はこれを「どんな精度指標も捉えない種類の誤り」と呼んでいる⁷。

計算の提案が合成まで届いたとされる例にも、同じ問いが向いている。物性を指定して結晶を生成する拡散モデル MatterGen は、体積弾性率200 GPa を目標に TaCr₂O₆ を生成し、著者らはそれを合成したと報告した⁸。ただし測ったのはナノインデンテーションによるヤング率で、体積弾性率は DFT 由来のポアソン比で推定した値（最良推定169 GPa）である。Materials Horizons に載った再検討は、合成されたと報告された無秩序相 Ta₁/₃Cr₂/₃O₂ が1971年に報告済みの Ta₁/₂Cr₁/₂O₂ と同形で、その ICSD 登録は MatterGen が新規性の判定に使った参照データセットに入っていたと論じる。公開された回折パターンを組み直すと、組成は Ta₀.₄₃Cr₀.₅₇O₂ になるともした⁹。同じ再検討は参照データの誤りも挙げる。Materials Project は別のルチル型 Ta–Cr 酸化物 Ta₂CrO₆（mp-21512）を「実験検証済み」と記載しているが、Ta の割合が0.65を超えるとルチル型は単斜晶へ歪むため、この記載は誤りだという⁹。Vepa が参照集合の同一性で見つけたのと同じ型の失敗が、別のチーム・別の材料系で、査読を通った形で出ている。

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。