量子色力学の謎を「AI」で解く、基本方程式を初めて数値化

「量子色力学」って、原子核の力の説明ってだけなら、なぜそんなに複雑な方程式が必要なの？

量子色力学の方程式が複雑になるのは、原子核の中で起きている現象が、私たちの日常感覚とはまったく異なるからなんですよね。 原子核を成り立たせる強い力は、距離が近いほど弱くなり、遠ざかるほど強くなる。これ自体が常識と逆です。さらに、クォークという素粒子が常に色という性質を持ち、その色が刻一刻と変わる。この色の変化が相互作用を生み出すので、単純に「力の強さはこれ」と決めることができない。 つなめれば、原子核の力は「相手との距離」「時間」「粒子の内部状態」が全部からみ合いながら決まる。その絡み合いを一つの式で表現しようとすると、必然的に複雑な方程式になる。 金属の強度を計算するのに分子レベルの挙動を全部追わなくてもいいのと違い、原子核は「素粒子の個々の相互作用」がそのまま全体を決める世界。だから単純化できず、複雑な方程式が不可欠なのかもしれません。

原子核の力がどう動くかって、日常生活で何か影響してるの？スマホとか医療とか。

原子核の強い力が直接スマホの動作を左右することはないですが、その先の応用を考えるなら、医療診断がいちばん身近かもしれません。 PET検査や核医学検査は、放射性物質の崩壊を利用して体内の様子を映し出します。その崩壊がどう起きるかは、原子核内の強い力の振る舞いに支配されている。量子色力学を正確に理解できれば、より予測可能な放射性医薬品の開発が進むわけです。 ただ、より根本的な影響はエネルギー問題にあります。核融合発電の実現には、原子核同士がどう反応するかの計算が不可欠。その計算が今までは難しすぎたから、理論的な研究が進みにくかった。AIでこの基本方程式が解けるようになると、核融合の設計シミュレーションが現実的になる可能性があります。 つまり、今はまだ研究者の世界の話ですが、あと10〜20年のタイムスケールで、エネルギーと医療という形で日常に影響してくるかもしれません。基礎物理の計算が速くなることは、応用技術の開発を大きく加速させる、そういう関係なのだと言えそうです。

この方程式、どれくらい前からずっと『難問』だったの？解けなかったから何か困ってたことがあるの？

量子色力学の基本方程式（ヤン＝ミルズ方程式）は1954年の提唱からずっと「解析的には手に負えない」状態が続いていました。約70年ですね。ただ「困ってた」の内容が、一般的なイメージと違うかもしれません。 物理学者たちは困ってはいたけれど、別の道を開いていたんです。1970年代に「格子ゲージ理論」という数値計算の手法が編み出され、スーパーコンピュータで近似解を求める方法が確立された。だから「解けないから立ち往生」というより「工夫して迂回してきた」という方が正確です。 ただし、その迂回路も完璧ではない。計算量が膨大で、精度と計算時間のバランスが常に問題。新しい物理現象を予測したいとき、いつも「もっと正確に、もっと速く解けたらなあ」という制約がついて回っていた。 今回の研究が面白いのは、むしろそこです。70年かけて開発した工夫の方法論を、AIが別のやり方で再現してしまった。物理の問題を解く「正解への道」は、一つじゃなかったということになるかもしれません。

AI が『答え』を教えられなくても『正しい答え』にたどり着いた、ってこと。これって、物理の法則って『自然に沈着する』みたいなことなの？

面白い視点ですね。でも、「自然に沈着する」というより「設計が巧妙だった」と言った方が正確かもしれません。 ニューラルネットワークに教えたのは「誤差を最小化しろ」という最適化の目標だけです。でも、その目標を追う過程で、物理法則が自動的に浮かび上がった。これって、実は数学的には当然なんですよね。量子色力学の基本方程式は、自然界の強い力の真理を反映しているわけです。だから、その方程式を満たす解を探すように訓練されたネットワークは、必然的に「物理的に正しい」領域へ引き寄せられていくわけです。 言い換えると、物理法則は宇宙に「沈着」しているのではなく、むしろ方程式という構造そのものに埋め込まれている。AIが「正しい答え」にたどり着くのは、その構造を数学的に最適化する過程で、結果として物理的な正答が浮かぶ、という感じに近いのかもしれません。沈着というより「必然性」。世界の仕組みは、そもそも数学の中に隠れているのかもしれません。

AI が方程式を『解く』のに成功したけど、逆に『なぜそれが正しいのか』を物理学者に説明できるの？

面白い問いかけですね。従来の物理では「方程式を解く」と「その過程を理解する」は一体でした。でも今回、AI が答えを出したけれど「なぜそれが正しいのか」は、人間にはブラックボックスのままというわけです。 ただ、ここで重要なのは、AI が「誤差を最小化するだけ」で小数第二位まで一致したというところ。つまり、従来の物理的手法で既に答えが分かっていたから、AI はそれと照らし合わせて検証できるんです。新しい現象の予測ではなく「既知の答えへの近づき方」が確認されただけとも言える。 物理学者にとっての本当の課題は、AI が出した答えを「別の角度からも検証する」こと。実験データと合致するか、他の理論体系と矛盾しないか。そうした外部検証を積み重ねれば、説明できなくても「信頼できる道具」として使えるようになるのかもしれません。人間が物理を完全に理解していなくても、測定と予測が合えば、その過程は後付けできるというようなもの。