ローレンス・リバモア国立研究所（LLNL）の科学者たちが、核融合研究の歴史に新たな一章を刻んだ。彼らが開発したAI（人工知能）モデルは、2022年12月に達成された歴史的な「核融合点火」の成功を、事前に70%以上の確率で正確に予測していたのだ。この成果は、人類究極の夢であるクリーンエネルギー源、核融合炉の実現に向けた長く険しい道のりに、強力な羅針盤が登場したことを意味する。
核融合実現へのナビゲーターがついに登場
米国エネルギー省傘下のローレンス・リバモア国立研究所に設置された国立点火施設（NIF）。ここで2022年12月、核融合反応によって生成されたエネルギーが、反応を誘発するために投入されたレーザーエネルギーを史上初めて上回るという、歴史的なブレークスルーが達成された。いわゆる「点火（Ignition）」の成功である。
この快挙の裏で、もう一つの静かな革命が進行していた。科学誌『Science』に2025年8月14日付で掲載された論文によると、Brian Spears氏とKelli Humbird氏らが率いる研究チームが開発した深層学習モデルが、この歴史的実験の前に「成功の確率は74%」という驚くべき予測を弾き出していたことが明らかになった。
これは後付けの解析ではない。実験が行われる前に、AIは膨大なデータの中から成功への道筋を見抜き、その可能性を定量的に示していたのだ。この事実は、核融合という複雑怪奇な物理現象の制御において、AIが従来のスーパーコンピュータによるシミュレーションを凌駕する強力なツールとなり得ることを示唆している。長年、五里霧中の状態が続いてきたこの分野に、確かな道標が打ち立てられた瞬間と言えるだろう。
なぜ「予測」がこれほど重要なのか？ NIFが抱える構造的課題
核融合エネルギーの実現は、しばしば「科学の究極の目標」と言われている。特にNIFが採用する「慣性閉じ込め核融合（Inertial Confinement Fusion, ICF）」は、極めて繊細で複雑なプロセスを要する。
その仕組みを簡単に説明しよう。まず、バスケットボールコート3面分ほどの広さを持つ施設から、192本もの世界で最も強力なレーザービームが放たれる。これらのビームは、消しゴムほどの大きさの「ホーラム（hohlraum）」と呼ばれる金色の小さな円筒形容器に集中照射される。ホーラムの内部には、重水素と三重水素（水素の同位体）を詰めた、小さな真球状の燃料ペレットが収められている。
レーザーによって急激に加熱されたホーラムは、強力なX線を放射。このX線が燃料ペレットの表面を瞬時に蒸発させ、その反動（爆縮）によってペレットは元の大きさの1万分の1にまで圧縮される。その結果、中心部は太陽の中心核をもしのぐ超高温・超高圧状態となり、核融合反応が連鎖的に発生する。この一連のプロセスが、わずか数ナノ秒という瞬きよりも遥かに短い時間で完結するのだ。
このアプローチの難しさは、その変数の多さにある。レーザーの出力やタイミングのわずかなズレ、燃料ペレットの微細な傷や歪み、ホーラムの製造誤差など、無数の要因が実験結果を左右する。
研究チームのリーダーの一人であるKelli Humbird氏は、この状況を「不完全な地図を頼りに、未踏の山を登るようなものだ」とGizmodoの取材に対して語っている。従来のスーパーコンピュータによるシミュレーションは、その「不完全な地図」だった。計算には数日を要する上、物理モデルの簡略化や計算自体の誤差により、現実の実験結果と乖離することが少なくなかった。地図に描かれていない崖やクレバスに遭遇するようなもので、研究者たちは常に手探りで進むことを余儀なくされてきた。
さらに深刻な問題は、実験機会の制約である。NIFのような巨大施設で点火実験を行えるのは、年間わずか数十回。一回の「登山（実験）」には莫大なコストと時間がかかる。失敗は許されない、というプレッシャーの中で、不確実な地図を信じて進むしかない。これが、60年以上にわたって核融合研究が直面してきた構造的な課題であった。
AIは如何にして「未来」を学習したか？ 物理法則とデータの融合
では、今回開発されたAIモデルは、従来の「不完全な地図」と何が違うのか。その核心は、物理シミュレーションと現実の実験データを巧みに融合させた点にある。
このモデルは「生成的機械学習モデル」と呼ばれるもので、その構築には以下の3つの要素が統合されている。
- 高忠実度な物理シミュレーション: 放射流体力学など、核融合プロセスを支配する物理法則に基づいた、最も精緻なシミュレーション結果。
- 過去の実験データ: これまでNIFで蓄積されてきた、成功例も失敗例も含む膨大な実測データ。
- 専門家の知見とベイズ統計学: 研究者の経験的な知識を統計モデルに組み込み、不確実性を確率として扱う。
研究チームは、これらの膨大な情報をスーパーコンピュータに投入し、3000万CPU時間以上にも及ぶ統計解析を実行した。その結果、AIは単に物理法則をなぞるだけでなく、現実世界で起こりうる「不完全さ」を学習することに成功したのだ。
Humbird氏の言葉を借りれば、AIは「NIFでうまくいかないことの分布」を学習したのである。「レーザーが指示通りに発射されないことがある。ターゲットに欠陥があり、事がうまく運ばないことがある」。従来のシミュレーションではノイズとして扱われがちだった、こうした現実の揺らぎや欠陥を、AIは確率的な事象としてモデルに組み込んだ。
つまりこのAIは、完璧な理想状態を計算するのではなく、過去の無数の「成功と失敗のパターン」から、ある実験設計がどのような結果に至る可能性が高いかを予測する。それはもはや静的な地図ではなく、天候の変化や登山者の体調まで考慮に入れてルートを提案する、経験豊富なシェルパ（案内人）に近い存在と言えるかもしれない。
2022年の歴史的実験において、当初の予測精度は50%程度だったという。しかし、研究チームがモデルの物理的側面を微調整したところ、予測確率は70%以上に跳ね上がった。これは、AIがデータから相関関係を見出すだけでなく、物理的な因果関係を理解し始めていることを示唆する、非常に重要なポイントである。
予測から最適化へ：核融合研究のパラダイムシフト
このAIモデルがもたらす最大のインパクトは、研究開発のパラダイムシフトだ。それは、単なる「結果の予測」から、「成功の最適化」へと舵を切ることを可能にする。
これまでの研究は、試行錯誤の側面が強かった。ある設計で実験を行い、その結果を分析し、次の設計に活かす。このサイクルには長い時間と多大なコストがかかった。しかし、このAIを使えば、実験を行う前に様々な設計案の成功確率を迅速に評価できる。
「このモデルで我々が興奮しているのは、毎回成功確率を最大化するような選択を、将来の実験のために明確に行える能力だ」とHumbird氏は語る。
例えば、レーザーのエネルギーをわずかに増強した場合、核融合の出力はどれくらい向上するのか。燃料ペレットの密度を少し変えたら、点火の確率は上がるのか、下がるのか。こうした問いに対して、AIは数時間から数日で確率的な答えを提示できる。これにより、研究者たちは限られた実験機会を、最も成功の見込みが高い設計に集中させることが可能になる。これは、研究開発の効率を文字通り桁違いに向上させる可能性を秘めている。
失敗のリスクを事前に見積もれることも、大きな利点だ。成功確率が低いと予測された実験を回避することで、無駄なコストとリソースの消費を劇的に削減できる。これは、研究の持続可能性を高める上で極めて重要である。
AIと核融合、共進化の始まり
今回の成果をより広い視点で見ると、現代を象徴する二つの巨大技術、AIと核融合が互いを加速させ合う「共進化」の始まりを告げているように思える。
一方では、ChatGPTに代表される生成AIの爆発的な進化は、その裏で膨大な計算能力、すなわち莫大な電力を消費している。AI技術が社会に浸透すればするほど、世界のエネルギー需要は加速度的に増大していく。この「AIのエネルギー問題」に対する究極的な解決策の一つが、核融合であることは言うまでもない。
そしてもう一方では、今回示されたように、AIが核融合研究の複雑な課題を解き明かす鍵となりつつある。AIが核融合の実現を早め、実現した核融合がAIのさらなる進化を支える。このようなポジティブなフィードバックループが形成され始めているのではないだろうか。
この動きは、学術界だけにとどまらない。近年、核融合分野には民間からの投資が殺到しており、その累計額は70億ドルを超えている。投資家にとって最大の関心事は、投下した資金がどれだけ効率的に成果に結びつくかだ。実験の成功確率を事前に予測し、開発プロセスを最適化できるこのAI技術は、投資のリスクを低減し、さらなる資金流入を呼び込む強力なインセンティブとなるだろう。
Humbird氏は、最後にこう語っている。「私たちは、うまくいかない時にそれほど落ち込むべきではありません。少し前まで10キロジュールしか得られなかったのに、今では1メガジュール、時には2メガジュールのエネルギーを得られることもあるのですから。これは研究にとって大きな前進であり、願わくば将来のクリーンエネルギーにとっての大きな一歩です」。
彼女の言葉は、核融合研究の困難さと、それでも着実に前進してきた研究者たちの不屈の精神を物語っている。そして今、彼らはAIという新たな相棒を得た。このAIは、過去の無数の失敗からも学び、それらを成功への糧として未来を照らし出す。
人類が60年以上にわたって追い求めてきた核融合という夢。その実現への道のりは、依然として長く険しいだろう。しかし、AIという新たな羅針盤は、その道のりをかつてないほど明るく、そして確かに照らし始めている。エネルギー史の大きな転換点となり得る瞬間に、まさに今、我々はいるのかもしれない。
論文
- Science: Predicting fusion ignition at the National Ignition Facility with physics-informed deep learning
DOI: 10.1126/science.adm8201
参考文献