光を制御する新しい方法で、より高速な未来のコンピュータを実現

科学者たちは、光子コンピューティング向けに包括的な光遮断機能を提供できる新しいタイプのメタマテリアルを作成しました。

メタマテリアルは工学的材料です その特性は基礎成分の化学組成からではなく、慎重に設計された内部構造から生じます。そのため、これらの材料は自然に存在する材料には見られない異常な特性を示すことができます。

これらの材料は通常、金属やプラスチックなど複数の材料から構成され、繰り返し配置された波長未満の構造となっています。形状、サイズ、ジオメトリ、向き、配置が特性を決定し、電磁波、音波、または地震波を吸収、屈折、増幅、または遮断することで、従来の材料では不可能な利点を実現します。

ニューヨーク大学の研究者が 新しいメタマテリアルを開発¹し、液体と結晶に典型的に関連付けられる特徴を組み合わせ、両者を上回る全方向からの光遮断能力を実現しました。

新しいクラスの機能的に相関した無秩序材料である「ジャイロモルフ」は、液体のようなランダム性と大規模な構造パターンを融合させ、あらゆる方向から光を遮断します。研究は次のように述べています：

「スペクトル最適化手法により 2D および 3D のジャイロモルフを生成し、強い離散回転秩序は示すものの長距離平行移動秩序は持たず、十分に大きな 퐺 に対して短距離で回転等方性を維持することを確認しました。」

このイノベーションにより、研究者は長年科学者を悩ませてきた準結晶ベースの設計上の制限を解決しました。また、光子コンピューティングの進展にも寄与します。

準結晶からジャイロモルフへ：光子コンピューティングにおける変遷

光子コンピューティングでは、電流の代わりに光子を用いて計算を行います。この新世代のコンピュータは実現すれば、従来の機械に比べてはるかに効率的かつ高速になる可能性があります。

光速でのデータ処理 により、AI などの高性能タスクに期待が持てますが、現在は小型化とコストの課題に直面しています。

分野の進展により、ハイパフォーマンスコンピューティングサーバーに統合可能な機能的光子チップが開発されました。しかし、光駆動コンピューティングはまだ初期段階であり、研究者はチップ内を通過する微小な光流を制御するのに苦慮しています。

これらの微小光信号を強度を損なうことなく再配向するには、慎重に設計された材料が必要です。信号が弱まらないようにするには、あらゆる方向からの散乱光を防ぐ軽量で特殊な物質をハードウェアに組み込む必要があります。

この実現の鍵となるのが等方性バンドギャップ材料の組み込みです。この材料は、周波数がバンドギャップ内にある限り、すべての方向で光や他の波の伝搬を阻止します。このような材料は無秩序でありながらハイパーユニフォームで、長距離平行移動秩序は欠くものの、特定の制御されたランダム性を持ちます。

等方性バンドギャップ材料の設計において、研究者は長年 準結晶 に注目してきました。

これらは数学的規則に従うが従来の結晶のように繰り返さない構造で、1980 年代初頭にダン・シェクトマンが発見し、2011 年に化学ノーベル賞を受賞しました。

この発見は、アルミニウムとマンガンの合金を急冷した際に、電子顕微鏡下で十倍対称性が現れたことから得られました。この対称性は結晶構造（例えば金属）には存在しません。

準結晶はダイヤモンドのような結晶構造の特性と、ガラスのような非結晶構造の特性を併せ持ち、耐久性と脆さの両方を示します。

ミシガン大学の研究では、準結晶は根本的に安定した材料であることが判明²し、無秩序固体と類似点を持ちつつも独自の安定性を示します。

「特定の構造に原子を配置する方法を知る必要があります。そうすれば望む特性を持つ材料を設計できる」と、同研究の共著者で材料科学・工学の Dow Early Career Assistant Professor であるウェンハオ・サンは述べています。「準結晶は、ある材料がどのように形成され得るかを再考させました」。

「なぜ準結晶が存在するのか、どのように形成されるのか」を解明するため、研究者はまずその安定性の根拠を理解しなければなりませんでした。具体的には、準結晶がエンタルピー安定かエントロピー安定かを判定する必要があり、研究者は より小さなナノ粒子 を大きなシミュレーションブロックから抽出し、各ナノ粒子の総エネルギーを計算しました。

研究者は、スカンジウムと亜鉛の合金であるよく研究された準結晶と、イッテルビウムとカドミウムの合金の両方がエンタルピー安定であることを発見しました。

計算には量子力学的シミュレーションを利用し、計算ボトルネックを解消するために、すべてのプロセッサが相互に通信するのではなく、隣接プロセッサ同士だけが通信するようにした結果、アルゴリズムは最大で 100 倍高速化しました。

「現在、ガラスや非晶質材料、異なる結晶間の界面、さらには量子コンピューティングビットを可能にする結晶欠陥のシミュレーションが可能です。」

– ヴィクラム・ガヴィニ、ミシガン大学機械工学・材料科学・工学教授

別の研究で、米国標準技術研究所（NIST）の科学者は 新しいアルミニウム‑ジルコニウム合金で準結晶を発見³し、3D 金属印刷の極端条件下で形成されたことを報告しました。

アルミニウム粉末にジルコニウムを添加すると高強度アルミニウム合金の印刷が可能になりますが、NIST チームはこの金属がなぜそれほど強いのかを解明し、軍用航空機部品などの重要部品への応用を目指しました。

そして、準結晶がその原因であることが判明しました。アルミニウム結晶の規則的なパターンを乱すことで合金が強化されます。適切な角度から観察すると、非常に稀な五重回転対称性が現れ、さらに二重・三重対称性も別の角度で確認されました。

このことは NIST の物理学者で共同著者のファン・ザンが「合金設計への新たなアプローチを開く」と述べ、「準結晶がアルミニウムを強くできることが示された。将来的には意図的に作り出す試みが始まるだろう」と付け加えました。

ジャイロモルフ革命の内部：等方性バンドギャップ材料

準結晶は大きな可能性を秘めています。光を完全に遮断する能力さえありますが、遮断できる方向は限定的です。全方向からの光を完全に止めることはできません。

この制限を克服するため、科学者は信号を劣化させる光をより効果的に遮断できる代替材料を探求しました。その結果、ジャイロモルフが開発され、あらゆる方向からの散乱光をより効果的に防ぐ材料の構築が可能になりました。研究の主任著者であるステファノ・マルティアーニ（物理学・化学・数学・神経科学の助教）は次のように述べています：

「ジャイロモルフは既知の構造とは異なり、その独自の構成が現在の手法では実現できない優れた等方性バンドギャップ材料を生み出します。」

しかし、これらの材料は構造が物性に直結するため、望ましい物理特性を得るための配置が大きな障壁となります。

Physical Review Letters に掲載された ニューヨーク大学研究者の新戦略⁴は、光学挙動を調整する手法を詳細に示しています。

チームは、組み込み無秩序を持つ機能的構造を生成できるアルゴリズムを開発しました。新たに明らかになった「相関無秩序」は、完全に秩序だった状態と完全にランダムな状態の中間に位置します。

「森の木を思い浮かべてください。木はランダムな位置に生えますが、完全にランダムではなく、互いに一定の距離を保っています。この新しいパターンであるジャイロモルフは、互換性がないと考えられた特性を組み合わせ、全ての秩序ある代替手段（準結晶を含む）を上回る機能を示します。」

– マルティアーニ

研究中、すべての等方性バンドギャップ材料が同一の構造的シグネチャを示すことが観測されたため、研究者はそれを「できるだけ顕著に」することに注力し、ジャイロモルフの創出につながりました。

新クラス材料の共同第一著者であるマティアス・カシウリス（NYU 物理学部のポストドクトラル研究員）は、「見かけ上は結晶のように固定された繰り返し構造を持たないが、液体のような無秩序を示す。一方で遠距離から見ると規則的なパターンを形成する」という、相反する特徴を調和させたと述べています。

「これらの特性が組み合わさることで、光波がどの方向から来ても侵入できないバンドギャップが形成されます。」

– カシウリス

チームはさらに、異なる長さスケールで複数の回転対称性を持つ「ポリジャイロモルフ」を導入し、単一構造内で複数のバンドギャップを実現できるようにしました。これにより光学特性の微細制御への道が開かれました。
スワイプしてスクロール →

AI と次世代量子材料の発見

研究者が次世代材料の探索を深めるにつれ、全く新しい材料クラスが次々に現れています。

最近、米エネルギー省ベルクレー研究所のチームが 「ベルケロシン」⁵ と呼ばれる、有機金属分子で放射性重金属ベリリウムを含む新規分子を発見したと報告しました。

この分子は金属イオンが炭素ベースの骨格に囲まれた構造で、初期のアクチニド元素では比較的一般的ですが、後期のものではほとんど知られていません。

「ベリリウムと炭素間の化学結合形成の証拠が初めて得られました。この発見は、ベリリウムや他のアクチニドが周期表上の同族元素とどのように振る舞うかに関する新たな理解を提供します」と、共同著者のステファン・ミナシアンは述べています。

アクチニドは周期表の f ブロックに位置する 15 種類の放射性金属元素で、ウランやプルトニウムが代表例です。放射能特性で知られ、原子炉やその他の技術に利用されています。

昨年、スウェーデンのウプサラ大学と米国コロンビア大学の研究者が CeSiI と呼ばれる 2 次元量子材料⁶ を発見しました。これはセリウム、シリコン、ヨウ素からなる結晶構造で、原子層が二次元に配列された特徴を持ちます。

CeSiI の電子は重いフェルミオンとして振る舞い、通常材料の 100 倍以上の有効質量を持ちます。この有効質量は異方的で、電子が原子層内で移動する方向に依存します。

「この発見により、相関電子構造を研究するための大幅に改善された材料プラットフォームが得られました。2 次元材料は LEGO のような構築キットです。我々のパートナーは既に他の 2 次元材料から層を追加し、カスタマイズされた量子特性を持つ新素材を作ろうと取り組んでいます。」

– チン・シェン・オン、ウプサラ大学物理学・天文学部

材料科学では可能性は無限大で、適切な材料選択は新たな発見への重要なハードルです。理論主導の予測と実験ベースの検証が選択を支援しますが、依然として断片的な状況が続いています。

ここで AI 主導の材料情報学が台頭し、量子スケールの洞察と大規模データセットを統合して、従来の試行錯誤では不可能な新材料の高速スクリーニング、モデリング、最適化を実現しています。

東北大学の研究チームは AI 構築の材料マップ⁷ を構築し、実験データと代表的な第一原理計算データを統合しました。これにより、研究者が特定の状況に適した材料を迅速に見つけられるよう支援します。

このマップは構造類似性と熱電性能 (zT) を軸とした大規模グラフで、各データポイントが材料を表します。類似材料は近接して配置され、同様の合成手法や評価デバイスで作製・評価されるため、実験者は未知の高性能材料の類似体をすぐに特定し、既存の合成プロトコルを次のステップとして再利用できます。

このようにして、開発コスト削減とイノベーション加速、実装までの時間短縮が可能になります。将来的には、チームは熱電材料の枠組みを超えてトポロジカル・磁性材料を含め、追加の記述子を組み込んだ包括的な AI 支援材料設計支援プラットフォームへ拡張する計画です。

「多数の候補を直感的に俯瞰できるマップは、研究者が有望なターゲットを一目で選択できるようにし、結果として新機能材料の開発期間を大幅に短縮することが期待されます。」

– 橋本 裕介 准教授

同時に、ヨーテボリ大学の研究では、編み込み複合材料の強度と耐久性を 効率的に評価する AI モデル⁸ を開発しました。

高品質な複合材料を設計するために、物理的テストと詳細なコンピュータシミュレーションを行うことは「繊維が互いに巻きつき、受ける力に応じて挙動が変わる」ため特に困難ですと、ヨーテボリ大学物理学部の Ph.D. 学生エハサン・ガネは指摘しています。

コンピュータは材料の相互作用に基づく現実的な微細構造をシミュレートできますが、編み込み複合材料は依然として膨大な計算資源を要します。ニューラルネットワークは代替手段となりますが、大量の学習データが必要で外挿が苦手です。そのため、チームはデータ量を抑えた汎用 AI モデルを開発しました。

このモデルは既存のシミュレーションとテストデータで学習し、新しい複合材料の耐久性を予測できるようになっています。

ゴーテボリの研究が材料法則を AI に統合したのに対し、韓国科学技術院（KAIST）の研究チームは、データがノイズ多くても限られていても新材料を迅速に探索できるよう、物理法則と AI を組み合わせました。

材料特性の同定は新材料開発の重要ステップですが、膨大な実験データと高価な装置が必要で、研究効率を制限します。KAIST チームは、材料の変形とエネルギー相互作用を支配する法則を AI に組み込むことで、この課題を克服しました。

研究者は 物理情報ニューラルネットワーク（PINN）手法⁹ を報告し、少量の単一実験データだけで材料特性と変形挙動を検出できることを示しました。その後、物理法則を理解し未見材料にも汎化できる AI モデル「Physics-Informed Neural Operator（PINO）」を導入しました。

MIT の研究者はさらに踏み込んで、複数情報源を組み込む手法¹⁰ を開発しました：文献、化学組成、微細構造画像などを統合しています。

これは新しい Copilot プラットフォーム「Real-world Experimental Scientists（CRESt）」の一部です。同プラットフォームはロボット装置で材料のハイスループットテストを実施し、結果を大規模マルチモーダルモデルにフィードバックしてレシピを改良します。

研究者はこの「人間研究者の代替ではなく支援するアシスタント」を用いて、900 以上の化学系を探索し、3,500 件の電気化学テストを実施。その結果、燃料電池で記録的な出力密度を示す触媒材料を発見しました。

材料科学の進歩への投資

材料科学の世界では、ATI Inc. (ATI ) は高度に技術的な特殊材料と複雑部品で知られています。同社は航空宇宙、防衛、医療、エレクトロニクス、エネルギー市場向けに高性能材料を製造しています。

ATI の製品はニッケル系合金・超合金、チタン系合金、特殊合金から構成され、以下の 2 つのセグメントで事業を展開しています：

• 高性能材料・部品（HPMC）
• 先進合金・ソリューション（AA&S）

時価総額は 135 億ドルで、株価は 99.37 ドル（今年度上昇率 80.5%）です。EPS（TTM）は 3.10、P/E（TTM）は 32.09、配当利回りは 0.32% です。

四半期の 1 株当たり利益は 0.78 ドル、調整後 1 株当たり利益は 0.85 ドルです。

「第 3 四半期はガイダンスを上回り、調整後利益と営業キャッシュフローが好調でした。コア市場での需要シグナルは依然としてポジティブで、顧客は成長目標達成に向けて出荷を拡大しています。米国と同盟国にとって重要な防衛関連事業を、差別化された製品ミックスで拡大できる体制が整っています。」

– CEO キンバリー・A・フィールズ

最新 ATI Inc.（ATI）株式ニュース

結論：ジャイロモルフが光子コンピューティングと投資家にとって重要な理由

材料科学は技術進歩の鍵であり、AI によって加速されています。実験者、理論家、機械学習システムの融合により、発見から応用までのタイムラインが劇的に短縮され、かつては数十年かかっていた材料の同定、シミュレーション、最適化が迅速に行えるようになっています。

このような中で、ジャイロモルフの発見は画期的なマイルストーンです。無秩序とパターンを融合させたこの新クラス材料は、光の制御に前例のない自由度を提供し、光子コンピューティングの次なる大躍進を解き放つ可能性を秘めています。

References

1. Casiulis, M., Shih, A., & Martiniani, S. “Gyromorphs: A New Class of Functional Disordered Materials.” Physical Review Letters 135(19) (2025). https://doi.org/10.1103/gqrx-7mn2
2. Baek, W., Das, S., Tan, S., Gavini, V., & Sun, W. Quasicrystal stability and nucleation kinetics from density functional theory. Nature Physics 21, 980–987 (2025). https://doi.org/10.1038/s41567-025-02925-6
3. Liu, Y., Zhang, H., Zhou, X., & Chen, Y. “Catalytic performance of novel mixed-metal oxides for CO₂ hydrogenation.” Applied Catalysis B: Environmental 330 (2025). https://doi.org/10.1016/S0925-8388(25)01839-0
4. Casiulis, M., Shih, A., & Martiniani, S. Gyromorphs: A New Class of Functional Disordered Materials. Physical Review Letters 135, 196101 (2025). https://doi.org/10.1103/gqrx-7mn2
5. Russo, D. R., Gaiser, A. N., Price, A. N., Sergentu, D-C., Wacker, J. N., Katzer, N., Peterson, A. A., Branson, J. A., Yu, X., Kelly, S. N., Ouellette, E. T., Arnold, J., Long, J. R., Lukens, W. W., Jr., Teat, S. J., Abergel, R. J., Arnold, P. L., Autschbach, J., & Minasian, S. G. Berkelium–carbon bonding in a tetravalent berkelocene. Science 387(6737), 974–978 (2025). https://doi.org/10.1126/science.adr3346
6. Posey, V. A., Turkel, S., Rezaee, M., Devarakonda, A., Kundu, A. K., Ong, C. S., Thinel, M., Chica, D. G., Vitalone, R. A., Jing, R., Xu, S., Needell, D. R., Meirzadeh, E., Feuer, M. L., Jindal, A., Cui, X., Valla, T., Thunström, P., Yilmaz, T., Vescovo, E., Graf, D., Zhu, X., Scheie, A., May, A. F., Eriksson, O., Basov, D. N., Dean, C. R., Rubio, A., Kim, P., Ziebel, M. E., Millis, A. J., Pasupathy, A. N. & Roy, X. Two-dimensional heavy fermions in the van der Waals metal CeSiI. Nature 625, 483-488 (2024). https://doi.org/10.1038/s41586-023-06868-x
7. Hashimoto, Y., Jia, X., Li, H., & Toma, T. “A materials map integrating experimental and computational data via graph-based machine learning for enhanced materials discovery.” APL Machine Learning 3(3), 036104 (2025). https://doi.org/10.1063/5.0274812
8. Ghane, E. Learning from Data and Physics for Multiscale Modeling of Woven Composites. PhD thesis, University of Gothenburg, 2025. https://hdl.handle.net/2077/85666
9. Moon, H., Park, D., Cho, H.-K., Noh, H.-K., & Ryu, S. Physics-informed neural network-based discovery of hyperelastic constitutive models from extremely scarce data. Computer Methods in Applied Mechanics and Engineering 446, 118258 (2025). https://doi.org/10.1016/S0045782525005304
10. Zhang, Z., Ren, Z., Hsu, C.-W., Chen, W., Hong, Z.-W., Lee, C.-F., Penn, A., Xu, H., Zheng, D. J., Miao, S., Huang, Y., Gao, Y., Chen, W., Smith, H., Niu, Y., Tian, Y., Lu, Y.-R., Shao, Y.-C., Li, S., Wang, H.-T., Abate, I. I., Agrawal, P., Shao-Horn, Y., & Li, J., A multimodal robotic platform for multi-element electrocatalyst discovery. Nature 647, 390–396 (2025). https://doi.org/10.1038/s41586-025-09640-5