AIの最新ブレークスルー: 新しいことと次に来ることは何か？

人工知能（AI）は、その産業を革命的に変える高い可能性のおかげで、重要性が増し続けています。

機械における人間の知能のシミュレーションは、効率と生産性の向上、精度と意思決定の改善、新たな雇用機会の創出、顧客体験の向上などの利益をもたらします。

その結果、AIは企業成長の主要な推進力となり、70%以上の企業が導入しています。投資と技術の進歩が加速することで、2030年までにAIの世界市場は数兆ドル規模に達すると予測されています。

今年だけでも、私たちは大規模な進展を目にしました: OpenAIは「Humanity’s Last Exam」ベンチマークで25％以上の正答率を達成したディープリサーチエージェントを発表し、DeepSeekはチェーン・オブ・ソート推論を活用したDeepSeek-R1をリリースし、BaiduはErnie X1とErnie 4.5を発表し、Stability AIは写真を3Dシーンに変換できる新モデル「Stable Virtual Camera」を公開しました。

一方、Googleは台湾のMediaTekと協力し、次世代のテンソル処理ユニット（TPU）を開発して製造コストと既存パートナーへの依存を削減しようとしています。同時に、OpenAI、Oracle (ORCL ) 、SoftBank、MGXからなるコンソーシアムは米国政府と協力してThe Stargate Projectを発表しました。

先週、Nvidia (NVDA ) はGrace Blackwellチッププラットフォームを搭載した新しい「AIパーソナルスーパーコンピュータ」ラインナップを発表しました。CEOのJensen HuangはGTC 2025でDGX SparkとDGX Stationを披露し、ユーザーがエッジでさまざまなサイズのAIモデルをプロトタイプ、微調整、実行できるようにしました。

それでは、研究者がAIを通じてさまざまな分野で達成した最新の主要ブレークスルーを見てみましょう。

AIが単なる誇大宣伝なのか、成長に実体があるのかを知りたい方はここをクリックしてください。

AIが自らの学習課題を解決する

AIは他の分野に技術を移転するだけでなく、データ分析、機械学習、オートメーションの進歩により、より高度なAIシステムの開発を可能にし、処理速度の向上、予測精度の向上、意思決定の改善を実現しています。

今月、研究者ははるかに頑丈で、アナログモードとデジタルモードの両方で動作し、より広い電圧範囲で機能する新しいメムリスタ部品を導入しました。

これらの特性は、人工ニューラルネットワークが以前に学習したことを忘れる「破滅的忘却」問題に対処するのに役立ちます。これは、深層ニューラルネットワーク（DNN）が新しいタスクのために訓練される際に、新しい最適化が以前に学んだ内容を上書きしてしまうときに起こります。

私たちの脳はシナプス変化の度合いを調整できるため、この問題がありません。また、可塑性の異なる度合いが脳に新しいことを永久に学習させ、古いものを忘れさせないと考えられています。研究者は新しいメムリスタで同様のことを実現しました。

メムリスタは脳細胞に似た動作をし、極めて低い電力で動作します。抵抗スイッチング型メモリデバイスであるメムリスタは、印加電圧に応じて抵抗を変化させます。電圧がオフになっても、構造変化により抵抗値が保持されます。

ピーター・グリュンベルク研究所（PGI-7）・フュルハングスツェントラム・ユリヒのIlia Valov氏（研究リーダー）によると：

メムリスタ素子は、脳をモデルにした学習可能な神経インスパイアドコンピュータ部品の理想的な候補と考えられています。

大きな進展が見られる一方で、製造時の高い不良率、製品寿命の短さ、機械的影響に対する感度などにより、商業化ははるかに遅れています。

これには、ナノスケールプロセスの制御や新素材・スイッチング機構の研究が必要で、システムの複雑さを減らし機能範囲を拡大できるとValov氏は述べています。

この目的のために、ドイツと中国の科学者が協力し、「化学的・電気的により安定した全く新しい電気化学的メムリスタ機構」を発見し、神経科学応用の視野を広げることになりました。

AI対応脳チップが人類の進化の次なる飛躍を切り開く方法を知りたい方はここをクリックしてください。

AIの継続学習のためのメムリスタブレークスルー

Nature Communications誌に掲載され、¹、研究は双極性メムリスタの機能に関する二つの主要メカニズムを特定しました:

1. 電気化学的金属化（ECM）
2. 価電子変化メカニズム（VCM）

ECMメムリスタは二つの電極間に金属フィラメントを形成します。この小さな「導電ブリッジ」は電気抵抗を変化させ、電圧を逆転させると溶解します。低スイッチング電圧と高速スイッチング時間を可能にしますが、生成された状態は可変で短命です。

VCMメムリスタは電極と電解質の界面で酸素イオンの移動により抵抗を変化させ、ショットキー障壁を変化させます。比較的安定していますが、高いスイッチング電圧が必要です。

それぞれのプロセスには長所と短所があるため、チームは両方の利点を組み合わせたメムリスタを設計しました。これは不可能と考えられていました。

新しいメムリスタは金属酸化物でできたフィラメント（ECMのように完全に金属ではない）を使用し、酸素とタンタルイオンの移動で形成されます。非常に安定しており、完全に溶解しません。

それは、ある程度常に存在し、化学的に修飾されるだけのフィラメントと考えることができます。

– Valov

新しい、堅牢なスイッチングメカニズムはフィラメント導電性修飾メカニズム（FCM）と呼ばれます。このメカニズムに基づく部品は高温に対してより耐性があり、生成に必要な電圧が低く、電圧ウィンドウが広く、化学的・電気的により安定しています。部品の寿命も長く、製造時の故障が少ないため、リジェクション率が低くなります。

異なる酸化状態により、メムリスタは二進法モードとアナログモードの両方で動作でき、これが「破滅的忘却」問題の克服に役立ちます。

Valovは、新しい二端子オームメムリスタの「独自の特性」により、異なるスイッチングモードを使用してメムリスタの変調を制御し、保存された情報が失われないようにできると説明しました。

研究者はすでに新しいメムリスタ部品を人工ニューラルネットワークモデルに組み込み、複数の画像データセットで高いパターン認識精度を達成しました。

チームは現在、さらに優れた安定性を持つ可能性のある他の材料を探求しています。Valovは、これらの「結果が『計算メモリ内』アプリケーション向けエレクトロニクスの開発をさらに前進させる」と確信しています。

現在、AI分野のリーディングカンパニーの一つであるMicrosoft (MSFT )は、ChatGPTの開発元OpenAIに120億ドルを投資し、Copilot、Azure AI Studio、Microsoft 365、Dynamics 365、Power Platform内のAI搭載ツールなどのAI製品を提供しています。時価総額2.9兆ドルのテックジャイアントの株価は現在$394.58で、年初来で7.17%下落しています。2024年12月31日で終了した四半期の売上は報告され、売上は12%増の696億ドル、希薄化後EPSは3.23ドルでした。

Microsoft CEO Satya Nadellaによると：

私たちはテクノロジースタック全体でイノベーションを推進し、顧客がAIの完全なROIを解き放ち、先行する大きな機会を捉えるのを支援しています。すでに、当社のAI事業は年間収益ランレートで130億ドルを超え、前年比175%増です。

Microsoftの最新情報

医療におけるAI：パーキンソン病診断の改善

医療分野では、AIが診断、治療、患者ケアを強化し、疾病検出、個別医療、管理業務の効率化を通じてコスト削減と患者アウトカムの向上に貢献しています。

現在、AIは臨床医がパーキンソン病および関連疾患をより迅速かつ高精度で鑑別診断するのを支援します。

パーキンソン病の診断は、評価開始から最初の5年間で55%から78%の範囲に留まっており、類似した運動障害が共通しているため、初期診断が困難です。

しかし、フロリダ大学とUF Health Norman Fixel Institute for Neurological Diseasesの研究者が開発した新しいAIモデルは、96%以上の精度を誇ります。

研究では、パーキンソン病（PD）、進行性核上性麻痺（PSP）、多系統萎縮（MSA）などのパーキンソン様変異体を診断・鑑別するための画像ベースアプローチは特に困難でしたが、最近のデータは拡散強調MRIと疾患特異的機械学習アルゴリズムを組み合わせることで可能であることを示しています。

この研究は米国国立衛生研究所（NIH）とJAMA Neurologyに掲載²され、Automated Imaging Differentiation for Parkinsonism（AIDP）という、非侵襲的バイオマーカー技術を備えた自動MRI処理と機械学習ソフトウェアを詳細に示しています。

MRIメーカーであるDavid Vaillancourt氏（UF応用生理学・運動学部教授）は、市場競争のために互いに通信せず、独自のソフトウェアとシーケンスを使用していると指摘しました。

そこで、研究者は「すべてのMRIに対応する新しいソフトウェア」を開発しました。このツールは医師が異なる疾患間の診断精度を向上させるとVaillancourt氏は述べています。

AIDPの拡散強調MRIは、水分子の拡散を測定して神経変性がどこで起きているかを特定し、アルゴリズムが脳スキャンを解析して結果を提供します。

アルゴリズムは対面診断と比較して厳密にテストされ、カナダ2拠点、米国19拠点の計21拠点で実施されました。

これは、技術と人工知能のイノベーションが診断精度を向上させ、パーキンソン病患者の治療をさらに改善する機会をもたらすことが実証された例です。

– Michael Okun, M.D., UF Health Norman Fixel Institute for Neurological Diseases所長

研究者は現在、米国食品医薬品局（FDA）の承認取得を目指しています。

AIを用いたマンモグラムによる心血管リスク予測

別の深層学習モデルは、がん検診ツールであるマンモグラム画像から心血管リスクを予測する可能性を示しました。この研究は発表され、米国心臓学会（ACC）の年次科学セッションで、AIの力とマンモグラムを組み合わせて乳房組織内の動脈石灰化を解析しました。

血管内の石灰化は、加齢や初期心疾患に伴う心血管損傷のサインです。過去の研究によれば、動脈に石灰化がある女性は、心臓病や脳卒中のリスクが51%高くなります。

米国での心臓病は死亡原因のトップですが、女性の心臓病は実際には診断が不十分であり、AI搭載のマンモグラムスクリーニングツールが多くの女性が定期的に受ける検査をより有効に活用できれば状況は変わります。

米国では年間約4000万件のマンモグラムが実施されており、これらのX線は乳がん検診に使用されます。画像には乳房動脈石灰化が写りますが、その情報は患者や臨床医に報告されていません。

新しい研究は、これまでマンモグラムで使用されていなかったAI画像解析手法を用いて、技術が自動的に石灰化を評価し、心血管リスク評価を提供できることを示しました。研究の第一著者であるTheo Dapamede医師（エモリー大学）によれば、

私たちは、女性ががん検診を受けると同時に、マンモグラムから心血管スクリーニングも受けられる機会があると考えています。我々の研究は、乳房動脈石灰化が心血管疾患の優れた予測因子であること、特に60歳未満の患者で顕著であることを示しました。早期にスクリーニングし患者を特定できれば、心臓専門医へのリスク評価を紹介できます。

ツールを構築するため、研究者はAIモデルを訓練し、マンモグラム画像の石灰化血管をセグメント化しました。モデルはこれらの明るいピクセルを使用して、56,000人以上の患者データに基づき将来の心血管イベントリスクを算出します。

深層学習とAIの進歩により、画像からより多くの情報を抽出し、機会的スクリーニングに活用することがはるかに現実的になりました。

– Dapamede

研究結果は、モデルが低・中・高リスクの患者の心血管リスクをマンモグラム画像から適切に識別できることを示しました。

彼らによれば、60歳未満および60〜80歳の女性では、乳房動脈石灰化のレベルが上がるにつれて、急性心筋梗塞、脳卒中、全死亡の2年・5年リスクが増加します。

このツールは、若年女性に心臓病リスクの早期警告を提供し、早期介入を可能にする点で特に適しています。

研究結果は、乳房動脈石灰化が40 mm²以上の最高レベルの患者は、10 mm²以下の最低レベルの患者に比べて、5年のイベントフリー生存率が著しく低いことも示しています。

研究者の次のステップはFDAの承認を取得し、広範な利用を可能にすることです。将来的には、腎臓病など他の状態のバイオマーカーをマンモグラムから抽出する類似AIモデルの活用も検討しています。

現在、医療分野でAIを推進している企業の一つであるGE HealthCare Technologies (GEHC )は、技術に多額の投資を行い、製品全体に統合して患者ケアの向上と臨床医のワークフロー改善を図っています。時価総額37.26億ドルの同社株は現在81.49ドルで、4.23%上昇しています。4Q24では、売上高が2%増の53億ドル、希薄化後EPSは1.57ドルでした。

GEヘルスケアテクノロジーの最新情報

材料科学におけるAI：薄膜成長プロセスの最適化

材料科学は新素材の開発や既存素材の改良に不可欠であり、AIは新素材の発見・設計の加速、既存素材の最適化、製造プロセスの改善に貢献しています。

東京理科大学（TUS）のKotsugi教授率いる研究者は、AIを用いて薄膜成長プロセスを最適化し、樹枝状成長（デンドリティック成長）を予測しました。

これらのプロセスは半導体デバイス、通信技術、センサー技術の開発に重要な役割を果たします。

現在、薄膜は基板上に材料の薄層を重ねて成長させます。しかし、多層膜デバイスの性能を最大限に活かすには、基板を正確に製造する必要があり、構造配置に大きく影響し、機能と性能に影響します。

しかし、構造は組成、雰囲気、表面欠陥などの成長条件に大きく左右されます。商業応用に重要な大面積製造プロセスでは、樹枝状構造という大きな障壁が生じます。

これらの樹枝状の分岐パターンは薄膜の平坦性を低下させ、グラフェン、銅、ボロフェンなどの材料で特に初期成長段階や多層膜でよく観察されます。

微細構造がデバイス性能に直接影響するため、樹枝状形成を減らすことが重要です。そのためには、樹枝状分岐を引き起こす条件をまず理解する必要があります。既存の樹枝研究手法は、単純な視覚分析と主観的解釈に依存し、試行錯誤が多く必要です。

この課題に対処するため、研究者は樹枝構造を解析するAIモデルを構築しました。この革新的手法は、機械学習（ML）と永続ホモロジー（PH）をエネルギー解析と統合し、樹枝成長における構造とプロセスの橋渡しを行います。

我々のアプローチは成長メカニズムに新たな洞察を提供し、薄膜製造を最適化するための強力なデータ駆動型の道筋を示します。

– Prof. Kotsugi

AI、PH、エネルギー解析を組み合わせた樹枝成長の研究

Science and Technology of Advanced Materials: Methodsに掲載³, the study details このモデルは永続ホモロジー（PH）を用いて、従来の画像処理技術では見過ごされがちな樹枝微細構造の複雑なトポロジー特徴を捉えます。

PHが幾何構造内の孔や接続を多尺度で評価できる一方、機械学習手法である主成分分析（PCA）は、PHで抽出された樹枝形態特徴を2次元空間に削減するのに役立ちました。

これにより、チームは樹枝の構造変化を定量化し、これらの変化と材料中の自由エネルギーとの関係を確立しました。

この関係を評価した結果、樹枝分岐に影響を与える特定の条件と隠れた成長メカニズムを発見しました。

我々のフレームワークは、樹枝形態をギブズ自由エネルギー変動に定量的にマッピングし、分岐挙動を駆動するエネルギー勾配を明らかにします。

– Kotsugi

チームは次に、六角形銅（Cu）基板上の樹枝成長を研究し、結果を相場場シミュレーションのデータと比較して手法を検証しました。Kotsugi氏は次のように述べました。

トポロジーと自由エネルギーを統合することで、我々の手法は材料分析の汎用的アプローチを提供します。この統合により、原子スケールの微細構造とマクロ機能性を広範な材料で階層的に結びつけ、材料科学の将来の進歩への道を開きます。

この手法は、5Gを超える高速通信向けの高品質薄膜デバイスや、非平衡物理・センサー技術における高性能材料の開発につながると彼は述べています。

ここで、AIを活用してイノベーションを推進している材料科学分野の有力企業として、Applied Materials (AMAT )は、AI(x)プラットフォーム、ExtractAI、SEMVision™ H20システムを通じて半導体チップ製造を強化しています。時価総額1236億ドルの同社株は現在151ドルで、年初来で6.5%下落しています。2025年第1四半期には、売上高が7%増の71.7億ドルとなり、GAAP EPSは1.45ドル、非GAAP EPSは2.38ドルでした。

産業は高度なコンピュートとより洗練されたAIの開発を加速させる方向に向かっており、Applied Materialsはエネルギー効率の高いAIに不可欠な主要デバイスアーキテクチャの変革を可能にし、高速共同イノベーションに注力することで顧客やパートナーとの独自の協業機会を創出し、今後数年で継続的な成長とアウトパフォーマンスを実現すると述べました。

– CEO Gary Dickerson（先月）

Applied Materialsの最新情報

結論

AIはすでにさまざまな産業でビジネスを変革しており、急速なイノベーションは長年の課題に対する画期的なソリューションを提供しています。材料科学、医療診断、パーソナルスーパーコンピュータ、さらにはAI自身の学習課題に至るまで、これらの進展により前例のない変革が約束された時代に踏み出しています。

AIが進化し続けるにつれ、生産性向上、意思決定の改善、新たなフロンティアの開拓を促進する能力は、将来を形作る最も強力な力の一つとなります。

人工知能（AI）への投資に関するすべてを知りたい方はここをクリックしてください。