AIエージェント能力アトラス › 仕事ごとの一覧 › 研究・問題解決 › 自然科学

材料科学でのAI発見

AI-Driven Materials Discovery

0 できない ／ 1 デモ止まり ／ 2 補助 ／ 3 実務品質（要確認） ／ 4 専門家並み ／ 5 専門家超え。「予」は予測。

専門家と比べて

安定性予測の精度（GNoMEで80%）は従来手法（約50%）を大きく上回り専門家の初期スクリーニングを代替できるが、『新規合成に成功したか』の検証では2026年にBerkeley A-Labの成果が『41種の新規化合物』から『36種（新規の語を削除）』へ訂正されるなど、自己申告の過大評価が実証された。

できること

2.2百万種の新規結晶構造候補の大規模スクリーニング、リチウムイオン伝導体528種の提案（従来比25倍）、層状化合物5.2万種の提案。外部研究室が独立に736種を実験合成、自律ラボ(A-Lab)が41種の新レシピで合成に成功（2026年の訂正後は36種）。

まだできないこと

予測した材料が実際に合成可能・安定・目的の物性を持つことを自己検証だけで確定すること。A-Lab論文は材料化学者からの指摘を受けて2026年に訂正され、『新規』の主張が一部撤回された。

なぜそうなのか

計算上の安定性予測（DFT・機械学習ポテンシャル）と実際の合成可能性・不純物耐性の間にギャップがあり、自己評価パイプラインの検証基準が甘くなりやすい。

これからの予測の根拠

機械学習ポテンシャルの精度向上（力の誤差5〜15倍改善等）が続けば2028年にはスクリーニング精度がさらに上がるが、合成可能性の実証には依然として湿式検証が必須であり、自律検証能力自体の飛躍は見込みにくい。

いま使える主な道具

GNoME (Google DeepMind)、A-Lab (Berkeley)、AlphaEvolve、Materials Project

根拠

• Millions of new materials discovered with deep learning — Google DeepMind 2023-11
  GNoMEが220万種の新規結晶を発見、38万種が合成候補として有望、外部で736種が実験合成済み
• 'Nature' robot chemist paper corrected, but some questions remain unanswered 2026-01
  A-Labの『41種の新規化合物合成』が材料化学者の指摘で『36種、新規の語なし』に訂正

同じ分野のほかの仕事（自然科学）

• 仮説生成
• 実験計画立案
• 創薬パイプラインでのAI活用
• 物理・化学シミュレーション
• 湿式実験の自律実行（自律ラボ）
• 論文の再現実験（Reproducibility）

AIエージェント能力アトラス 2026（2026-09-06 時点・v1.0）の1マスです。レベルは公開された実験・ベンチマーク・報告から付けた目安で、2027年以降は予測です。全マスに根拠のリンクがあります。作者は個人で、AI（Claude）と一緒に調べて作っています。