2026年1月、科学界に一つの衝撃が走った。ニューメキシコ州アルバカーキにあるサンディア国立研究所（Sandia National Laboratories）の物理学者チームが、人工知能（AI）を「実験パートナー」として雇用し、長年物理学者たちを悩ませてきた超難問をわずか5時間で解決したのだ。

その課題とは、「LED（発光ダイオード）の光をレーザーのように自在に操る」というものだ。

学術誌『Nature Communications』に掲載されたこの成果は、単なるAIによる自動化の成功例ではない。AIが人間には思いつかなかった「新しい物理法則」を発見し、それを人間に数式として教えてくれたという点で、科学的発見のプロセスそのものを根底から覆すパラダイムシフトなのだ。

AD

インコヒーレントな光を飼いならす難問

レーザーとLEDの決定的な違い

現代のテクノロジーは「光」に依存している。高速インターネット通信、顔認証システム、自動運転車のLiDAR（ライダー）センサー、これらはすべて「光を特定の方向に正確に飛ばす」技術が必要不可欠だ。

現在、この役割を独占しているのがレーザーである。レーザー光は「コヒーレント（可干渉）」な性質を持ち、位相が揃っているため、レンズを使わずとも遠くまで真っ直ぐ届き、制御しやすい。しかし、レーザーには高価で、大型で、エネルギー効率が悪いという欠点がある。

対して、我々の身近にあるLEDは安価で小型、高効率だ。しかし、LEDが放つ光は「インコヒーレント（非干渉）」であり、自然放出（Spontaneous Emission）と呼ばれるプロセスで生成される。これは、電球の光のようにあらゆる方向に勝手に散らばってしまう光だ。この「暴れ馬」のような光を、レーザーのように一方向に集中させて飛ばす（ステアリングする）ことは、物理学において長年の宿題となっていた。

メタサーフェスという土俵

サンディア国立研究所のPrasad Iyer氏らのチームは、以前から「メタサーフェス」を用いた光制御の研究を行っていた。メタサーフェスとは、光の波長よりも小さなナノ構造体を表面に敷き詰めた人工物質であり、光の振る舞いを自在に操ることができる。

2023年、彼らはLED光を制御する技術を発表したが、最適な条件を見つけ出すのは至難の業だった。メタサーフェスの設計パラメータは膨大であり、人間が手作業で実験を繰り返して最適解を見つけるには、数年単位の気が遠くなるような時間が必要だったのだ。

自律駆動型ラボ（Self-driving Lab）の構築

「数年かかる実験を、数時間で終わらせられないか？」
この問いに答えるために立ち上がったのが、Iyer氏の同僚であり、AIと機械学習の専門家であるSaaketh Desai氏だ。彼らは、人間の直感に頼る従来の手法を捨て、AIが主体となって実験を行う「自律駆動型ラボ（SDL）」を構築した。

ここで重要なのは、彼らが採用したAIが、近年流行のChatGPTのような大規模言語モデル（LLM）ではないという点だ。科学実験には、幻覚（ハルシネーション）を見せることのない、厳密な物理法則に基づいたドメイン特化型のAIが必要だった。

彼らは3つの異なる役割を持つAIエージェントを雇用し、それらを実験装置に直結させた。

創造するAI：変分オートエンコーダ（VAE）

最初のAIは「発想」を担当する。変分オートエンコーダ（VAE: Variational Autoencoder）と呼ばれる生成モデルだ。
メタサーフェスの制御パターンは高次元で複雑極まりないが、VAEはこの複雑なデータを圧縮し、扱いやすい「潜在空間（Latent Space）」へと変換する。これにより、人間では想像もつかないような複雑かつ多様な光の制御パターンを生成することが可能になった。

実験するAI：能動学習エージェント（Active Learning Agent）

2番目のAIは「実験計画」を担当する。ガウス過程回帰（Gaussian Process Regression）に基づいた能動学習エージェントだ。
このAIは、VAEが生成したパターンを実際に実験装置（空間光変調器とメタサーフェス）に入力し、得られた結果（光がどれだけ指向性を持ったか）を評価する。そして、「次はどのパターンを試せば最も性能が上がるか」を確率的に計算し、次の実験を自ら実行する。

このクローズド・ループ（Closed-loop）システムにより、AIは休むことなく実験→解析→次の実験のサイクルを回し続けた。

AD

AIが発見した「新しい物理」

実験開始からわずか5時間後。300回目の実験を終えたところで、AIは驚くべき結論に達した。

AIが導き出した制御パターンは、従来の人間が設計した最高性能のパターンと比較して、光の指向性を4倍（最大ピーク時）に向上させたのである。 さらに、74度という広い視野角全体にわたって、平均して2.2倍の効率で光を制御することに成功した。

しかし、真の驚きは「性能の向上」だけではない。「なぜうまくいったのか」という理由にある。

ブラックボックス問題への挑戦

通常、AIを用いた科学研究には「ブラックボックス問題」がつきまとう。AIが「これが答えです」と最適なパラメータを出力しても、その背後にある物理的な理屈が人間に理解できなければ、それは科学的発見とは言えない。「なぜかは分からないが動く」では、工学的な応用はできても、科学の進歩には寄与しないからだ。

「我々は、単に良い実験結果を見つけるだけでなく、その領域の理解を深めることに制約を課しています」とDesai氏は語る。

翻訳するAI：数式学習器（Equation Learner）

そこで彼らが導入したのが、3番目のAI、「数式学習器（Equation Learner）」である。
このAIは、実験結果のデータパターンを解析し、それを人間が理解できる「物理方程式」に逆翻訳する役割を担う「ファクトチェッカー」だ。ニューラルネットワークの重みを剪定していくことで、複雑なネットワークをシンプルな数式へと蒸留する技術が使われた。

AIが見つけた「レンズ＋回折格子」の定理

数式学習器が吐き出した方程式を見て、物理学者たちは愕然とした。

これまで、メタサーフェスで光を曲げる際、物理学者たちは「運動量整合（Momentum Matching）」という原理に基づいて設計を行っていた。これは、フーリエ光学の常識に基づき、単純な周折格子（のこぎり波状のパターン）を使って光を屈折させるアプローチだ。

しかし、AIが発見した最適解は違っていた。AIは、「空間的な勾配（Grating/回折格子）」だけでなく、「空間的な曲率（Curvature/レンズ）」を同時に組み合わせる手法を発見したのだ。

  • 人間の直感: 光を曲げるには、プリズムのような勾配をつければいい。
  • AIの発見: 勾配（プリズム）に加えて、曲率（レンズ）の性質を持つパターンを合成することで、インコヒーレントな光を劇的に効率よく制御できる。

具体的には、「正のレンズ（凸レンズ）」の位相プロファイルと、「正の回折格子」のプロファイルを足し合わせた複雑な波形をメタサーフェスに入力することで、かつてない指向性が得られることをAIは突き止めた。これは、従来のフーリエ光学の教科書には載っていない、自然放出光制御のための新しい設計指針である。

科学的方法のアップデート

この研究成果が示唆するものは、単なるLED技術の進歩にとどまらない。「科学的発見」というプロセスの劇的な変化だ。

一般的なGPUで実現可能

この「自律駆動型ラボ」を動かしていたのは、スーパーコンピュータではない。Lambda Labsのワークステーションに搭載された、3枚のNVIDIA RTX A6000 GPUだ。これは、多くの大学の研究室で導入可能なレベルの計算資源である。
この事実は、今後世界中の実験室で、物理学、化学、材料科学の分野において「AI研究員」の雇用が進むことを意味している。

解釈可能なAIの勝利

本研究の最大の功績は、AIを単なる「最適化ツール」から「理論構築のパートナー」へと昇華させた点にある。
Desai氏は次のように述べている。「我々は、解釈可能な最適化スキーム、そしてAIを使って説明可能な決定に到達することに関心があります」。

AIが実験し、AIが法則を見つけ、最後に人間に数式でプレゼンする。人間はその数式を検証し、新たな物理学的洞察を得る。この人間とAIの協働ループこそが、21世紀の科学のスタンダードとなるだろう。

AD

光の未来とホログラフィック社会への道

サンディア国立研究所のチームが成し遂げたこのブレイクスルーは、次世代のディスプレイ技術やセンサー技術に直結する。

高価で扱いにくいレーザーの代わりに、安価なLEDを使って高精度のホログラムを投影したり、自動運転車の「目」となるセンサーを格安で製造したりできる未来が近づいた。スマートフォンに搭載できるサイズの超小型ホログラフィックプロジェクターも、夢物語ではなくなるかもしれない。

5時間で数年分の研究を飛び越えたAI研究員たちは、我々にこう問いかけている。
「物理学の教科書には、まだ私たちが発見していないページがどれだけ残っているのだろうか？」

我々人類は今、AIという新しい望遠鏡を手に入れ、知識の地平線をかつてない速度で拡大しようとしている。

論文

参考文献