ガラスのような複雑な物質、AIが効率よく「作り分ける」新手法

「拡散プロセスを逆向きに使う」って、どういう意味？熱が逃げるのを逆にするってことなの？

「拡散」って、一般には香りが部屋に広がるみたいに、濃いところから薄いところへ自然に広がっていくプロセスですよね。 この研究で言ってるのは、それとは逆の動き。目的の構造に向かって原子配置を「集中させていく」イメージです。 通常、非晶質材料のシミュレーションは「ランダムな状態からスタートして、物理法則に従わせて冷やしていく」という順方向。でもこれは、実在の材料が経験した冷え固まるプロセスが複雑すぎて、計算が追いつかない。 ATLASは逆向きに考えます。「欲しい特性を持つ構造」をゴールに据えて、そこから逆算するように、拡散を活用して構造を生成していくんです。つまり、目標に向かって情報が「集約」されていく方向を学習させる。 熱の流れを逆にするわけじゃなく、シミュレーションの「向き」を反対にして効率を劇的に上げた、という感じ。500倍速くなったというのは、その逆向きアプローチのおかげで、無駄な計算を大幅に削ぎ落とせたということなのかもしれません。

金属ガラスの構造が予測できるようになると、スマートフォンとか身の回りの製品って、どう変わる可能性があるの？

金属ガラスは実は、すでにスマートフォンやゲーム機のカメラのレンズコーティング、ボールペンの先端部分などに使われているんですよね。でも量産化のハードルが高くて、限定的な用途だけ。 構造を自由に設計できるようになると、その「つくり分け」が簡単になる。たとえば、壊れやすい場所には粘り強さを優先した配合、軽さが欲しい場所には別の配合、みたいに部位ごとに最適化できるかもしれません。 実用的には、スマホの画面保護材や折りたたみ機構の部品なんかで活躍する可能性がある。今より軽くて丈夫な素材が安く大量につくれれば、設計の自由度が一気に上がるわけです。 ただ、すぐに革命的な製品が出るわけではなくて、5年10年かけて、地味だけど確実に素材の使い方が変わっていく段階なんだと思います。AIが「レシピ」を探してくれるようになると、材料科学者が試行錯誤する時間が短くなる。その蓄積が、次世代デバイスの土台をつくっていくんでしょう。

なぜこんなに計算が難しかったのか、別の計算方法で解決しようとする試みはなかったの？

非晶質材料の計算が難しい根本的な理由は、原子の配置が「あり得る解」の数だけ存在することなんですよね。結晶なら周期的なパターンで予測が立つけど、ガラスは原子が完全にランダムに凍り付いている。だから従来の手法では、その膨大な可能性を全部試さないと正確な性質がわからない。 別の方法はもちろん試されてきました。分子動力学シミュレーションも、機械学習モデルも。ただ、どちらも同じ壁にぶち当たるんです。前者は計算が遅すぎて実用的でない。後者は「そもそもデータが足りない」という根本問題——正確な非晶質構造の教師データが圧倒的に少ないため、AIが学ぶものがない状態だった。 ATLASが革新的な理由は、この困った状況を「逆転」させたところにあります。拡散という物理法則を逆向きに走らせることで、データから学ぶのではなく、物理法則そのものを学習の土台にしてしまった。つまり、稀なデータに頼らず、より根本的なシミュレーションの仕組みを活用するアプローチに切り替えたわけです。別の計算方法がなかったのではなく、「物理を直接利用する」という発想自体が、それまで主流ではなかったということなのかもしれません。

これって要するに、『昔は試行錯誤で作ってた』ものを『AIが理論的に設計できるようになった』ってことなの？

半分その通りで、半分ちょっと違うんですよね。昔は試行錯誤で作ってたのは確かですが、今回のAIの進展はもう一段深い話です。 ガラス材料の場合、「理論的に設計する」ことが実は不可能に近かった。原子が完全に動かない凍った状態での構造を、従来の物理シミュレーションで計算しようとすると、コンピュータが永遠に計算し続けることになる。だから試行錯誤しかなかったわけです。 ATLASが革新的なのは、逆向きの拡散プロセスを使って「その答えをショートカットできる」という点。つまり、試行錯誤の時間を物理的に短縮するのではなく、計算という別の道でスキップしちゃった、という感じ。理論的設計というより「物理的に実現不可能だった計算を、AIが違う方法で実現した」という方が正確かもしれません。 だからこれ、ただの効率化ではなく、材料開発そのもの の可能性が変わったと言えそうです。

計算コストが500倍削減されたということは、これまでこの研究に莫大な時間と予算がかかってたってことだけど、それは誰が負担してたの？

金属ガラスの構造計算って、基礎研究の領域なんですよね。つまり、大学の研究室や国立研究機関が、論文を目的に地道に続けていた仕事。その予算は文部科学省の科学研究費補助金（科研費）や、国の基礎研究プログラムから出ているのが一般的です。企業の材料部門でも並行して研究していますが、短期的な応用につながりにくい分野だからこそ、採算度外視の基礎研究機関が担い手になっていた。 つまり、税金を原資とした公的資金が、かなりの部分を負担していたと言えます。それは別の見方をすると「誰も儲からない研究」だったからこそ、公的資金が投じられていたわけです。 ここが面白いのは、計算コストが500倍削減されると、この分野の様相が一変する可能性があるということ。これまで「採算が合わない」とされていた材料開発が、企業レベルでも手がけられるようになれば、公的資金から民間投資へと軸足がシフトしていくかもしれません。基礎研究が実装に近づくと、資金の流れそのものが変わっていく。その転換点が、いま訪れかけているのではないかと言えそうです。