フォーマット・シリーズ

計算機にとって、材料とは何か——「安定」は何に対して測られるのか

2026/7/8 （更新: 2026/7/8） シリーズ「凸包」 第1回 / 全3回

🤖 AIが下書き・人間が編集

これは5回の入門シリーズ 「凸包(The Convex Hull)」 の第1回である。問いはひとつ——AIが物理世界について「知っている」とはどういうことか、そして誰がその正しさを確かめるのか。材料の話とロボットの話は遠く見えて、同じ一つの骨格を持っている。その骨格を、なるべく基礎から、しかし薄めずに辿る。

結晶は数百バイト。なのに、なぜ「安定か」を即答できないのか

ある結晶を計算機に教えるのは簡単だ。どの元素が、どんな箱(単位格子)の中の、どの位置にあるか——それだけ。数百バイトで書ける。ファイルとしてはテキスト1枚だ。

ではなぜ、そのファイルを渡して「この材料は安定ですか?」と訊いても、計算機は即答できないのだろう。もっと根本的に——「安定」とは、そもそも何に対して測られる量なのだろうか。

ここが、この分野全体の土台である。そして「AIが新材料を発見」という見出しのほぼすべては、煎じ詰めるとこの一点に行き着く。

安定性は「内在的な性質」ではなく「相対値」

直観に反するかもしれないが、ある原子の組み合わせが「安定」かどうかは、その物質単独では決まらない。同じ原子を使った、ありとあらゆる別の組み方すべてと比べて初めて決まる。

例えば、ある元素A・Bを1:1で混ぜた化合物 AB を考える。AB という結晶は、放っておくと

• AB のまま安定でいるかもしれないし、
• 「A の塊」と「B の塊」に分かれた方がエネルギー的に得かもしれないし、
• A₂B と AB₃ の混合物に分かれた方が得かもしれない。

自然は「いちばんエネルギーの低い状態」へ向かう。だから AB が安定なのは、A・B から作れる他のどの組み合わせよりエネルギーが低い(少なくとも同じ)ときだけだ。

この「他のどの組み合わせにも負けない境界」を、各組成の生成エネルギーをプロットして下から包んだ線(高次元では面)として描いたものが——凸包(convex hull) である。

ソフトウェアエンジニアなら、これはパレート最適とまったく同じ構造だと気づくはずだ。ある点が凸包に「乗っている」のは、それを支配する(より低エネルギーな)組み合わせが存在しないときだけ。安定な相は、エネルギー空間のパレート前線に乗った点なのだ。これは簡略化ではなく、文字通り同じ数学である。

コラム：パレート最適とは——「どの指標でも負けていない」点の集まり 名前は聞くけれど中身はうろ覚え、という人が多い概念だ。複数の目標を同時に良くしたい状況を考えるとわかりやすい。たとえばノートPCを「安さ」と「軽さ」で選ぶとき、ある機種がパレート最適だとは、「それより安く、しかも軽い」機種が一つも存在しない、という意味だ。つまりどの指標でも他に負けていない（＝他の選択に「支配」されていない）点のこと。 こうした点をすべて集めた境界線をパレート前線と呼ぶ。前線の上に来ると、片方の指標を良くすればもう片方が必ず悪くなる——トレードオフの、これ以上ない縁だ。逆に前線より内側の機種は、「もっと安くて軽い」ものがあるので誰も選ばない。 材料の安定性も、まったく同じ形をしている。ここでの「指標」は各組成のエネルギーで、ある相が安定なのは「同じ元素から作れる他のどの組み合わせにも、エネルギーで負けていない」とき。だから安定な相は、エネルギー空間のパレート前線＝凸包の上に乗る。名前だけ有名なこの概念が、実は「安定とは何か」をそのまま言い当てている。

このシリーズが必要とする方程式は、実質これ一本だけだ:

hull からの距離 = E(その結晶) − E(凸包)

安定性とは、ある基準面に対する引き算にすぎない。距離がゼロなら凸包上=安定。正なら凸包より上=準安定または不安定(放っておけば分解する)。AIが「安定な新材料」と言うとき、計算しているのはこの引き算が(ほぼ)ゼロ以下になる点を探すことだ。

ここで引っかかりやすい点を一つ補っておく。「凸包より下」に点があるのは矛盾に見えるかもしれない——凸包はいま手元にある材料から引いた下側の境界線なのだから、定義上その下には何もないはずだ。鍵は「いま手元にある」の部分だ。凸包は既知の材料だけから描かれる。まだ誰も作っていない新しい候補組成は、その集合に入っていないので、現在の線より下に落ちることがありうる。そして候補点が現在の凸包より下に来ること——それ自体が「新しい安定材料を発見した」の正体だ。線が引き下げられ、その点を含む形に凸包が描き直される。だから静止画の中では全ての点が線上か線より上にあるが、“発見”とは、いまの線が見落としていた点を見つけて境界を更新する動的な行為なのだ。

では、その「基準面」はどこから来るのか——DFT という近似

ここで肝心の問いが立ち上がる。引き算の相手である E(凸包)——各組成のエネルギー——は、誰がどう測ったのだろう。

実験室で全部測った、のではない。ほとんどは計算で求める。使う道具が 密度汎関数理論(DFT, Density Functional Theory) だ。DFT は、量子力学の多体問題を現実的な計算量で解くための近似法で、材料計算の主力である。多くの物性をそこそこの精度で出せる。

しかし——ここが本シリーズの背骨だ——DFT 自体がシミュレーション(近似)であって、現実の測定ではない。バンドギャップや強相関系など、DFT が系統的に外す領域も知られている。つまり「凸包より下にある」は「DFT が計算した基準面より下にある」という意味であって、「ビーカーの中で本当に結晶化する」とイコールではない。

だから見出しの構造はこうなる:

「220万個の新材料!」という数字は、その下にある基準エネルギー(凸包)と、現実で本当に作れるかという問いとセットでしか意味を持たない。

この「220万」は空想ではない——DeepMind の GNoME が2023年に予測した構造の総数で、うち「安定に近い」と報告されたのは約38万だ¹。だがその38万すら、DFT で引いた凸包に対して安定というだけで、ビーカーの中で本当に結晶化する保証ではない。見出しは、この二段の基準（DFT の凸包／現実の合成）を踏まえて初めて読める。本シリーズは、その基準面そのものを問い直す材料版・第1回である。

触ってみる:材料版の ImageNet

抽象論で終わらせないために、実物を挙げる。Materials Project(2011年、Lawrence Berkeley 国立研究所の Kristin Persson らが創設)は、DFT で計算した13万を超える無機化合物の物性を、誰でも無料で(CC 4.0、2025年時点で数十万規模のユーザー)公開しているデータベースだ²。機械学習における ImageNet に当たる、この分野の共通基盤と言える。

エンジニアなら、5行ほどで実物に触れる(pip install mp-api):

from mp_api.client import MPRester
with MPRester("YOUR_API_KEY") as mpr:
    # ある組成のエントリを取得し、hull からの距離を見る
    docs = mpr.materials.summary.search(
        formula="Fe2O3", fields=["material_id", "energy_above_hull"])
    for d in docs:
        print(d.material_id, d.energy_above_hull)  # 0 なら凸包上=安定

energy_above_hull がゼロの多形は安定相、正のものは準安定相——同じ組成でも、凸包に乗っているかどうかで運命が分かれる。数式の hull からの距離 が、そのままAPIのフィールド名になっている。安定性が「基準面に対する引き算」だという話が、コードでそのまま確認できるわけだ。

まとめ

第1回の要点は一つだ。「AIが材料を発見した」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点を予測した」ということ。その予測は、基準エネルギーの上に乗って初めて意味を持つ。基準面(凸包)を理解せずに見出しだけ読むと、何を主張しているのか分からなくなる。そして次回以降、この「基準面は本物か」という問いが、材料から——やがてロボット(Physical AI)まで——同じ骨格で立ち上がるのを追っていく。

この記事はAIが下書きし、人間が編集・公開しています。