なぜ今、「科学のためのAI」が注目されるのか――ENEOSとNVIDIAが挑む材料開発のブレイクスルー
目に見えない原子の世界で始まったAI活用――Matlantisのユーザーイベントから
ロボットや工場で動く「フィジカルAI」に期待が集まる日本で、目に見えない原子の世界にAIを持ち込む動きが、材料開発の現場で成果を出し始めている。「科学のためのAI(AI for Science)」と呼ばれる潮流だ。ENEOSとNVIDIAは、MatlantisとNVIDIA ALCHEMIを組み合わせ、水素づくりに欠かせない高価なレアメタル「イリジウム」に代わる、化学反応を助ける素材(触媒)を探すため、これまで数千~数万通りが限界だった候補の検証を、1億通り規模に広げた事例を紹介した。年単位かかっていた探索は、大幅に縮まったという。
2026年9月18日、新素材の性質をコンピュータ上で予測するサービス「Matlantis(マトランティス)」の年次ユーザーイベント「Matlantis User Conference 2026」が開かれた。主催はMatlantis株式会社(以下、Matlantis)。テーマに掲げたのは「AI for Scienceの最前線」だ。関係者を含む400人超が集まり、9件の講演と61件のポスター発表が並んだ。
このイベントで語られたのは、探せる範囲が桁違いに広がった一方で、その先の実験に何を選ぶかは、やはり人が決めるという現実だ。NVIDIAのジャスティン・S・スミス氏の講演と、ENEOSホールディングス、NVIDIAの共同セッションから、その中身を追う。
AIが入り込む先は、ロボットだけではない
生成AIの次の舞台として、AIが現実の物理世界で動く「フィジカルAI」が語られている。日本でも、ロボットや工場の自動化を中心に期待が大きい。
ただ、AIが変えつつあるのは機械の動きだけではない。仮説づくりから実験、解析まで、研究の工程そのものにAIが入り始めている。これが「科学のためのAI」(AI for Science)だ。2024年のノーベル化学賞は、新薬開発にも欠かせないタンパク質の形の予測や設計にAIを使った研究者らに贈られた。材料の分野でも、Google DeepMindが2023年、新素材の候補となる、安定とみられる物質の構造を220万件、AIで予測している。
国も後押しを始めた。文部科学省は2026年3月31日、「AI for Scienceの推進に向けた基本的な戦略方針」をまとめ、2026~2030年度を「集中改革期間」と定めた。新素材の開発を従来の10倍の速さにできる可能性があるとして、「AI駆動マテリアル開発システム」を重点分野に掲げている。
材料が選ばれる背景には、日本の産業の蓄積がある。内閣府の戦略文書によると、マテリアル産業は製造業GDPの3割以上を占める。半導体材料では、世界シェアの48%を日本が押さえている。
材料開発は、素材の性質が原子の並び方で決まるのに、候補が膨大なため、実験の試行錯誤に頼ってきた領域だ。その計算をAIで速めるのがMatlantisである。2021年6月にPreferred Networks(PFN)とENEOSが共同出資で設立し、7月にサービスを始めた。従来のシミュレーションにAIを組み込み、計算を従来の数万倍に速めたという。社名は2025年7月に現在のものへ変わり、三菱商事も出資する。利用は150社・機関を超えている。
Matlantisは、ロボットなど目に見えるフィジカルAIに対し、原子・分子の世界を扱うAIを「マイクロフィジカルAI(Micro-Physical AI)」と呼んでいる。
NVIDIAのスミス氏が語った素材開発の20年
Matlantisの岡野原大輔社長によるキーノートに続いて壇上に立ったのが、NVIDIAのジャスティン・S・スミス氏(Principal Developer Relations Manager)だ。素材の性質をAIで素早く予測する技術「機械学習原子間ポテンシャル(MLIP)」の草分けで、2017年発表の「ANI-1」の開発を牽引した人物でもある。英語の講演では、手作業で作る個別の計算式から、幅広い素材に使える万能型のモデルへ至る20年の歩みをたどった。
精密な計算(量子化学計算)は正確だが、時間がかかる。簡易な計算式(力場)は速いが、素材ごとに作り直さなければならない。MLIPは、その中間にあたる「いいとこ取り」を狙った技術だ。生物分野では力場が主力になったものの、対象の広い材料では、全体に通用する力場がなかったという。
以前は「基本的に『1つの系につき1つのポテンシャル』を作っていました」とスミス氏。しかも、1つ作るのにも大変な手間がかかる作業だった。
風向きが変わったのは2010年代後半だ。「重要なのはモデルそのものよりもデータだ」と分かってきたからだという。そこへ、より少ないデータで同等の精度を出せる新しいAIの設計手法が登場した。
スミス氏の見立てでは、このデータ面で先を行ったのがMatlantisだ。スミス氏がかつて試していた規模に比べ、Matlantisの汎用モデル「Matlantis PFP(PFP)」は扱える素材の幅が格段に広い。「データセット生成の問題を解決したことが、間違いなく最も重要な要因だったと思います」。その結果、「ユーザーはようやく、個別の問題ごとに使い捨てのポテンシャルをフィッティングしなくて済むようになりました」。
NVIDIAが担うのは、計算の高速化だ。スミス氏によると、同社が4月に技術ブログで紹介した、GPU(AIの計算に使われる半導体)向けのソフトウェア部品「ALCHEMI(アルケミ)Toolkit」の基盤部分を、Matlantisは早くから採用し、処理を速めてきた。前日の9月17日には、ENEOSがMatlantisとNVIDIA ALCHEMIを活用し、約1億通りの触媒候補をふるい分けした事例も発表されている。「この規模は、2~3年前には実現できませんでした。まったく不可能だったのです」。スミス氏はそう語る。
NVIDIAが力を入れているのは、材料だけではない。2024年11月に化学・材料向けのALCHEMIを発表し、2026年6月にはAIエージェントが生命科学の道具を使えるようにする「BioNeMo Agent Toolkit」を打ち出した。ジェンスン・フアンCEOは後者を「科学の新しいやり方」と表現している。気候向けの「Earth-2」もある。
ENEOSとNVIDIAが1億通りを調べた現場
セッションは、NVIDIAの柴山拓也氏(シニアアプリケーションエンジニア)の説明から始まった。柴山氏は、1年ほど前までPFNでMatlantisの内部ソフトウェアを開発していた人物だ。現在はNVIDIA日本法人で、AI for Scienceの技術支援を担当している。
NVIDIAはGPUメーカーで、自らサービスを提供する機能は持たない。そのため、Matlantisのようなソフトウェア会社を通じて価値を届ける形をとる。柴山氏が一番理想的だと語るのは、「知らないうちに価値を届けられる」形だ。
速くするための工夫も具体的だ。AIの予測部分だけをGPUで速くしても、前後の処理が遅ければ、全体は速くならない。そこでALCHEMIは、周辺の処理もまとめてGPU上で行い、小さな計算を一度に回して、高価な計算機を遊ばせないようにした。
ENEOSホールディングスの辻本浩行氏(AIイノベーション部MI技術グループ上級研究員)が挑んだのは、水素づくりに使う触媒(化学反応を助ける素材)探しだ。
ENEOSは、水を電気分解して得た水素を、運びやすい液体(メチルシクロヘキサン)に変えて輸送する技術を開発している。ネックは、水から水素を作る際、酸素を出す側の反応を助ける触媒だ。標準で使われるのは希少で高価なイリジウムで、代わりの素材は「アカデミアもインダストリーも血眼になって探しているようなもの」だった。Matlantisを使っても、調べられるのは数千~数万通りが限界だったという。
ENEOSはMatlantisの設立会社の1つだ。2025年3月にNVIDIAとの協業を発表し、11月には米国のスーパーコンピューティング国際会議「SC25」で成果を披露している。
そこで、Materials Projectという材料データベースの構造をもとに、構造や組み合わせを変えて1億通り規模の候補を作り、PFPとALCHEMIで一気に計算した。ALCHEMIを併用するとPFP単体よりさらに速くなり、他社の汎用モデルと比べても大きな差が出たという。柴山氏は、1億通り規模のふるい分けを短期間で回せたと紹介した。Matlantisの発表によると、年単位かかっていた探索は大幅に縮まった。
北海道大学と進める実験では、すでに既存の候補素材(酸化コバルト)より反応を促す力が強い材料が見つかっている。酸素を出す触媒としては報告のない材料で、特許出願前のため、構造は明かされなかった。もう1つの事例が、NVIDIAとの協業でALCHEMIを活用した、データセンターのGPUサーバを油に浸して冷やす液浸冷却液だ。冷却にかかる電力を大きく減らせる技術で、辻本氏によると、膨大な分子の候補から多段階の絞り込みを重ね、有望な候補を見つけ出した。
柴山氏と辻本氏の対談では、柴山氏が「計算が速くなって、ほかに詰まる工程はあるか」と問いかけた。辻本氏の答えは、候補を作る工程の処理が一番遅い、というものだ。さらに、多数の候補が出ても、実験の優先順位をつけるのは研究者で、特殊な設備が必要な材料はすぐには試せず、まだデジタルだけではできない。最も時間がかかる実験には、フィジカルAIの発展に期待したいという。
辻本氏からNVIDIAの展望を問われた柴山氏は、ALCHEMIは計算を速める部品だとしたうえで、「Omniverse」や「Isaac」といったシミュレーターとの連携を例に、「我々が思いつかないようなGPUの使い方」を提案してほしいと会場に呼びかけた。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
ITmedia エグゼクティブのご案内
「ITmedia エグゼクティブは、上場企業および上場相当企業の課長職以上を対象とした無料の会員制サービスを中心に、経営者やリーダー層向けにさまざまな情報を発信しています。入会いただくとメールマガジンの購読、経営に役立つ旬なテーマで開催しているセミナー、勉強会にも参加いただけます。 勉強会のスケジュールはこちら
ぜひこの機会にお申し込みください。
入会希望の方は必要事項を記入して申請ください。審査のうえ登録させていただきます。
- 入会条件:
- 上場企業および上場相当企業の課長職以上
※入会は無料です
エグゼクティブコンテンツ
SpecialPR
アクセスランキング
-
1
NTTの島田明社長、宇宙光通信構想を発表 月面インフラや宇宙データセンターの整備も
-
2
第4回:役員になる人が持つ意外な姿勢と、役員選出時に決め手となる想定外の力とは
-
3
遊んでいても結果を出す人 真面目にやっても結果の出ない人
-
4
駿河屋とメルカリ、合弁会社設立 米国で日本のカルチャー関連商品の買い取り、販売を展開
-
5
体操、強化にAI導入 スポーツ振興センターと富士通が共同研究開始「無限の可能性ある」
-
6
なぜコーポレートITはコスト削減率が低いのか――既存産業を再定義することでDXを推進
-
7
ビジネスに効く自社バイブルAIの作り方:社員の頭の中を引き出すインタビュー術
-
8
眠れない日こそ活動量を増やそう。認知行動療法で自分を変える、一生モノの思考術とは?
-
9
AIガバナンスは「コンプライアンス」ではない――AIエージェント時代に経営層が取り組むべき「攻めと守り」の統合的戦略
-
10
Matlantis岡野原氏が挑む“AI×科学”の新たな主戦場「マイクロフィジカルAI」とは?
ITmedia エグゼクティブ SNS
インフォメーション
注目情報をチェック
ITmediaエグゼクティブをフォロー