DOE、$159Mを授与し、科学AIを核融合、チップ設計、量子研究に導入

核融合実験、地熱貯留層、そして激しい放射線に耐えるよう設計されたチップは共通点があります。それは、どれも有効なものが見つかるまで、研究者が膨大な設計候補空間を探索しなければならないことです。米国エネルギー省の最新のGenesisミッション助成は、その探索プロセスにAIを組み込み、科学者が次に何をシミュレートし、構築し、テストすべきかを決定するのを支援します。

DOEは$159百万 12件の新しいPhase IIプロジェクト向けを2026年10月8日に発表し、さらに6件のPhase I助成も行いました。同省によれば、ミッションの初年度コホートは現在297件で完了しています。Phase IIの広範なポートフォリオには、GridFM 2.0やPrometheusを含む14件のプロジェクトがあり、電力局と原子力エネルギー局を通じて支援されています。

その範囲は異常に広範です。選ばれた研究は核融合や地熱エネルギーからRNA構造、レアアース分離、科学ソフトウェア、量子コンピューティングにまで及びます。これらのプロジェクトを結びつけているのは実用的な野望であり、AIを活用してアイデアと科学的に有用な成果との間の距離を短縮することです。

DOEが「Super Intelligence」と呼ぶもの

DOEはこのイニシアチブを「Super Intelligence」（略称SI）という用語で表現しています。この用語の使用には注意が必要です。今回の発表は研究ポートフォリオとその想定される応用を示すものであり、汎用AIシステムが科学全般において人間の能力を超えたという証拠を提示しているわけではありません。

この7月に発表された初期Genesisプロジェクト選定は、先進的なモデル、エージェントフレームワーク、科学ソフトウェア、高性能コンピューティングの組み合わせを示しています。これは新たな助成金を、特定の分野やインフラに合わせたAI対応研究システムへの投資として理解する上で有用です。

妥当な科学的回答を生成することと、信頼できる科学的ワークフローを完了することの間には重要な違いがあります。モデルは材料を提案できても、その特性は測定が必要です。エージェントはシミュレーションコードを生成できても、コードは研究者が意図した方程式や前提条件を保持しなければなりません。オプティマイザーは機械設定を推奨できても、運転限界を遵守しなければなりません。

したがって興味深い問いは、これらのプロジェクトが予測と推論を証拠とどのように結びつけるかです。この結びつきが、投資が単に見た目が科学的な成果を増やすだけでなく、実際により優れた科学を生み出すかどうかを左右します。

核融合：SPARC運用計画のためのデジタルツイン

Commonwealth Fusion Systemsは、AI対応のデジタルツインを開発し、SPARCの運用をシミュレートおよび最適化しています。デジタルツインとは、物理システムの計算上の表現であり、さまざまな条件下でシステムがどのように振る舞うかを探るのに有用です。

同社はすでに関連する技術基盤を有しています。1月にCFSはSiemensとNVIDIAとの協業を発表し、エンジニアリングツールとシミュレーション・可視化技術を統合しました。この以前の協力は新たな助成の背景となりますが、DOEの発表は1月のアーキテクチャのすべての要素が資金提供されたプロジェクトに含まれると示すものではありません。

CFSはAIとシミュレーションに関する技術的説明で、代替モデルが計算コストの高い物理シミュレーションから学習し、その出力をより高速に近似できると述べています。このようなモデルは、最も負荷の高い計算を各候補ごとに再実行することなく、多数の候補運転条件を探索するのに研究者を支援します。

磁場で高温プラズマを閉じ込めるトカマクにとって、これは潜在的に価値のある計画ツールとなります。研究者は候補シナリオを検討し、有望な実験を特定し、モデル予測と測定結果を比較できます。難しい点は、どの高速近似が信頼でき、どこで完全な物理計算が必要かを見極めることです。

SPARCは核融合実証装置です。CFSは2027年に正味核融合エネルギーを達成することを目指しています。この目標は融合性能に関するものであり、SPARCがすでに電力網に電力を供給しているという主張ではありません。AIプロジェクトの近い将来の意義は、実験計画と運用の改善に寄与する可能性にあります。

地熱とレアアース：AIを活用した複雑な物理システムのナビゲーション

UC IrvineのMAESTROプロジェクトは、深部地熱貯留層のマッピング、刺激、管理にマルチエージェントアプローチを採用しています。名称は「地下推論と最適化のためのマルチエージェントAIエキスパート」の略です。

地質的課題は大きいです。DOEの強化型地熱システムの概要によれば、生産的な地熱資源には熱、流体、透過性が必要です。自然条件だけでは不十分な場合、工学的に流路を作成または改善し、流体が熱い岩石を通って表層へ熱を運ぶことが可能になります。

この背景は、AIシステムが有用である理由を説明するのに役立ちます。貯留層の意思決定は不完全な地下情報と相互作用する物理プロセスを伴います。マルチエージェントアーキテクチャは、分析作業を専門コンポーネントに分割できる可能性がありますが、DOEの簡潔な発表ではMAESTROの完全な実装や自律性の限界は明示されていません。

我々の評価では、その価値は統合システムが不確実性にどれだけ対処できるかに依存します。自信のある貯留層の記述を作成するよりも、既知のこと、未解決の不確実性、そして次の運用判断を最も改善する測定項目を特定する方が有用です。

イリノイ大学の AXIS プロジェクトは、国内資源から希土類元素を抽出する電気化学プロセスに AI を適用しています。酸化還元活性配位子設計に焦点を当てることで、選択的分離を支配する化学に向けた取り組みとなっています。

根本的な設計課題は地熱工学とは異なりますが、論理は類似しています。物理的制約を守りながら、複雑な候補空間を探索することです。分離技術においては、候補がモデル上で有望に見えるかどうかだけでなく、意味のある評価が必要です。選択性、回収率、エネルギー消費、実際の混合物での性能は、進捗を測る有用な指標となります。これらは提案された評価基準であり、受賞発表で報告された結果ではありません。

通常の電子機器が耐えられない環境向けチップ

Fermilab の AXESS プロジェクトは、高放射線、宇宙、極低温環境向けのマイクロエレクトロニクスを対象としています。その名称である “Accelerating Extreme Environment Specs-to-Silicon” は、エンジニアリング要件からチップ設計への移行をより迅速に行うという野望を表しています。

Fermilab の以前のイニシアチブに関する説明は、これらのデバイスが開発しにくい理由を説明しています。科学機器は、主流の商用チップの設計前提を超える条件で動作するカスタム電子回路を必要とすることがあります。同研究所は、従来は手間のかかる設計プロセスを AI で加速する取り組みを説明しています。

この10月の発表により、AXESS は新しい Genesis 資金に位置付けられます。この機会は、専門的なチップ設計に伴う探索と検証の多くを自動化し、研究所、大学、産業界の専門知識を活用することです。

設計速度とデバイスの準備状態は別個のマイルストーンです。たとえ設計フローが劇的に高速化されたとしても、検証、製造、実物テストは依然として必要です。粒子検出器や低温システム向けのチップは、その動作が指定された条件下で耐えることを示さなければなりません。AI が生成した設計ファイルだけではそれを証明できません。

量子研究：ハードウェアの有用化と逆向き材料設計

ハーバード大学の ASQC プロジェクトは、AI と量子ハードウェアを組み合わせ、アプリケーション認識型の共同設計を通じて誤り訂正に取り組んでいます。実務的には、共同設計とは、アプリケーション、誤り訂正手法、ハードウェアを個別の問題としてではなく、総合的に検討することを意味します。

量子デバイスはエラーに敏感です。誤り訂正方式は、物理的キュービット全体に情報を符号化し、論理キュービットをより信頼性の高いものにします。ハーバードの以前の論理量子プロセッサ研究は、その区別と符号化キュービットを用いた計算実行への取り組みの背景を提供しています。

新たな受賞は、フォールトトレラント量子コンピューティングが完了したという発表と解釈すべきではありません。むしろ、実ハードウェアのリソースとエラー特性に科学的タスクを適合させるという難しい最適化問題を対象としています。

オークリッジ国立研究所が選定したプロジェクトは、別の量子フロンティアに取り組んでいます。すなわち、センシングや低消費電力エレクトロニクス向けの量子磁石の物理情報に基づく逆設計です。逆設計は、望ましい挙動から出発し、それを実現できるシステムを探索するもので、材料を選択してから特性を計算する従来のプロセスを逆転させます。

この種の研究では、物理情報に基づくモデリングが重要です。魅力的な数値解が実際には実現不可能な場合があるからです。有用な設計は最終的に、実際に製造・測定可能な材料と結びつく必要があります。今回の発表はその研究方向性を示すものであり、完成したセンサーや商用エレクトロニクスデバイスを報告しているわけではありません。

科学 AI の背後にある目に見えにくいインフラストラクチャ

他にもいくつかの受賞は、大規模研究を可能にするシステムに関するものです。MIT のプロジェクトは AI とスーパーコンピュータを結び付け、格子量子色力学（強い相互作用を研究する計算手法）に応用しています。ローレンス・バークレー国立研究所の MOAT-Core は、加速器設計と運用のための共有 AI プラットフォームを開発しています。ノースイースタン大学のプロジェクトは、希少同位体ビーム施設にエージェント支援を適用しています。

アルゴンヌ国立研究所の AI4HPC 事業は、科学計算ソフトウェアの開発、最適化、検証を含みます。この検証要素は重要です。計算速度は速くなるが、科学的計算を無音で変更してしまうプログラムは改善とは言えません。

生物学分野も含まれています。カリフォルニア大学サンディエゴ校は RNA 構造データベースを5倍に拡大することを目指し、ワシントン大学は改良された配列‑構造アンサンブルモデリングを通じて酵素設計に取り組みます。

これらのプロジェクトは、モデルの発表でしばしば見過ごされがちな 2 つの依存関係、すなわち信頼できるデータと信頼性の高いツールを浮き彫りにしています。科学エージェントの有用性は、アクセスできるものや実行できるものに制限されます。エージェントをシミュレーションエンジン、キュレーションされたデータセット、機器に接続することで、エージェントはより高機能になりますが、その行動を追跡し、出力を検証する必要性も高まります。

私たちの AnthropicのGenesis Missionへの支援 に関する報道が示すように、このイニシアチブは商用AI機能を科学エコシステムに導入することも含んでいます。資金提供されたプロジェクトは、これらの機能が測定可能な研究成果にどのように結びつくかを明らかにする必要があります。

これらのツールを使用する研究者への 2 つの別個の投資

DOEはまた、Genesis Mission大学院フェローシップ・パイロット を発表しました。総額最大1億ドル（2027会計年度に2,000万ドルを含む）を計画しており、以降の資金は議会の予算承認に依存します。最初のコホートは、AI と科学分野を組み合わせた 4 年間のプログラムを通じて、約 100 名の博士課程フェローを支援することが見込まれています。

計画されている配置先は、DOE の研究所またはユーザーファシリティと産業界の両方を含みます。この構造により、研究者は AI 手法の開発と実験的または運用的環境での実用化とのギャップを理解しやすくなるでしょう。

別の Early Career Research Programの発表 では、67 名の研究者に対し 9,600 万ドルが割り当てられ、大学への助成金は約 87.5 万ドル、研究所への助成金は 5 年間で 275 万ドルとなります。その対象範囲は AI、量子科学、核融合など多岐にわたります。DOE は、受賞者の選定は交渉の対象であることを指摘しています。

これらの金額を単一の完全授与された Genesis パッケージにまとめてはいけません。1億5,900 万ドルは新しいフェーズ II プロジェクトに関するものであり、フェローシップは条件付きの将来資金計画があり、早期キャリア支援は別個のプログラムです。

成功とは何か？

このポートフォリオの最も厳しい試験は、実際の条件下で AI が科学的作業を向上させるかどうかです。つまり、検証済みの結果に到達するまでに要する時間とリソース、結果の品質、そしてシステムが自らの手法の信頼性を認識できるかどうかを測定することを意味します。

有用な核融合モデルは、より良い実験計画に役立つべきです。チップ設計エージェントは、検証と実物テストに合格する設計を生成すべきです。地熱システムは、新たな現地測定が得られた際にも妥当性を保つ意思決定を支援すべきです。科学的コーディングツールは、性能向上と同時に正確性を維持すべきです。

Genesis の助成金は、これらの仮説を非常に異なる分野で検証する余地を提供します。その意義は、AI を科学の装置、データ、制約により近づけ、研究者に実際にどこで有効かを見極めるための資源を提供することにあります。