Nature Machine IntelligenceにMatterChat登場——素材科学×LLMが材料探索を加速
素材構造データとLLMを融合したMatterChatがNature Machine Intelligenceに掲載。ICML 2026ではトポロジー保存ニューラル演算子など2万3千本超の投稿から6千本超が採択された。
1. MatterChat——素材科学のためのマルチモーダルLLMがNature Machine Intelligenceに掲載
Nature Machine Intelligenceの2026年号に、素材科学の加速に特化したマルチモーダル大規模言語モデル「MatterChat」の論文が掲載された。MatterChatは材料の結晶構造データをグラフとして符号化する「CHGNet（機械学習原子間ポテンシャルモデル）」と、テキスト情報を処理するLLMをブリッジモジュールで結合した独自アーキテクチャを採用している。これにより材料の特性予測において高い精度と解釈可能な推論を実現しており、電子材料・エネルギー材料・触媒材料など多様な応用分野での材料探索を大幅に加速させる可能性を持つ。従来の材料科学研究では「構造データ」と「文献知識（テキスト）」が分断されていたが、MatterChatは両者を統合することでAIと研究者のインタラクションを根本から変えるシステムとして期待されている。素材発見のサイクルを大幅に短縮する潜在力を持つ同研究は、AI4MaterialsやICLR 2026ワークショップでも注目を集めている。
Nature Machine Intelligencenature.com
2. ICML 2026が採択論文を発表——2万3918本の投稿から6352本を選出、採択率26.6%
国際機械学習学会（ICML 2026）が採択論文を発表した。今年は2万3918本の投稿から6352本が採択され、採択率は26.6%となった。注目論文の一つ、UCL工学部から発表された「Topology-Preserving Neural Operator Learning via Hodge Decomposition」（Dongzhe Zheng・Tao Zhong・Christine Allen-Blanchette）はトポロジー保存型ニューラル演算子の学習を「ホッジ分解」を用いて実現したもので、機械学習・人工知能・計算幾何学を横断する学際的研究として高く評価されている。理化学研究所AIPからは44本の論文が採択され、日本の研究機関の存在感を示した。また、自己回帰型言語モデルが生成するトークンの隠れ状態を平均プーリングすることで高品質な意味表現が得られることを示した研究（MITら）も注目を集めており、視覚-言語・推論・タンパク質ドメインにわたる広範な評価が行われている。
3. Appleがプライバシー保護ML研究ワークショップを開催——基盤モデルとプライバシーの両立を議論
Appleは「Workshop on Privacy-Preserving Machine Learning & AI 2026」を開催し、プライバシーを保護しながらAI・機械学習を実現するための最先端研究を集めた。ワークショップは「プライベート学習と統計（Private Learning and Statistics）」「基盤モデルとプライバシー（Foundation Models and Privacy）」「攻撃とセキュリティ（Attacks and Security）」の3テーマで構成されており、業界および学術コミュニティの研究者が最新知見を共有した。基盤モデル（LLM・VLMなど）とプライバシー保護の両立は現在のAI研究における最重要課題の一つであり、特に医療・金融などのセンシティブデータを扱うドメインでのAI活用を左右する技術的障壁となっている。差分プライバシー・連合学習・秘密計算など複数のアプローチが議論されており、モデル性能を保ちながらデータを秘匿する次世代技術の実用化に向けた研究が加速している。
Apple Machine Learning Researchmachinelearning.apple.com
4. スマート製造向けAI・MLロードマップが学術誌に採択——産業AGIへの道筋を提示
「Machine Learning: Engineering」誌に、スマート製造（スマートファクトリー）のためのAI・機械学習ロードマップ論文が採択された。製造業におけるAI統合は品質管理・予知保全・生産最適化など多岐にわたる応用が実用段階に達しており、本研究はその全体像を整理したうえで今後10年の研究開発の優先課題を特定するものだ。物理モデルと機械学習モデルを組み合わせた「フィジクス・インフォームドML」、自律的な実験設計を行うAIエージェント、デジタルツインとの統合などが重点テーマとして挙げられている。TMS 2026（鉱業・冶金・材料学会年次大会）でも計算科学とAIの融合が主要テーマとして扱われており、素材探索から製造プロセス最適化までをAIが一貫して支援するシステムの構築が現実の目標として議論されている。
5. アジェンティック・マルチモーダルLLM調査論文——自律エージェントの能力・ツール・環境の3軸整理
arXivに掲載されたサーベイ論文「A Survey on Agentic Multimodal Large Language Models」は、エージェント的能力を持つマルチモーダルLLMの研究領域を3つの軸で体系化した。(1)自律的な計画・推論を担う「エージェント内部知能」、(2)外部ツールを呼び出して問題解決能力を拡張する「ツール統合」、(3)仮想・物理環境でのインタラクションを通じた「環境適応」の3軸にわたる整理により、乱立していた研究を統一的なフレームワークで把握できるようになる。視覚・言語・行動を横断したマルチモーダルエージェントは、UI操作・ロボティクス・科学的実験の自動化など幅広い応用可能性を持つ。本サーベイはAIエージェント研究の現状を把握し今後の方向性を議論するうえでの標準的参照文献となることが期待される。