マサチューセッツ工科大学（MIT）のニール・トンプソン（Neil Thompson）氏らの研究により、最先端AIモデル群による理論科学問題の正答率が2024年半ばの約2%から2026年半ばには約35%へ急伸したことが明らかになりました。トヨタ自動車や三菱重工業など、流体力学や数理モデル解析に多額の計算資源を投じる国内製造業のR&D設計において、数理証明プロセスの自動化を前提とした検証環境の再設計が現実味を帯びています。
理論科学問題におけるAI正答率が2%から35%へ拡大した背景
MITのニール・トンプソン氏、博士課程のガブリエル・マンソ（Gabriel Manso）氏、研究員のクラウディオ・メイリンク・ヴェルドゥン（Claudio Mayrink Verdun）氏の研究チームは、2025年12月から2026年5月にかけてオンライン公開された最新論文から問題を抽出し、フロンティアAIモデルの自律的解答能力を測定しました。
対象となった領域は、物理シミュレーションや実験装置を伴わずに数理的推論のみで完結する理論科学分野です。具体的には、確率論、統計理論、経済理論、高エネルギー物理学、重力・宇宙論、量子物理学などが含まれます。
【理論科学問題に対する最先端AIの正答率推移】
2024年半ば: ■■ 2%
2026年半ば: ■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■ 35%
テスト対象には、OpenAIの推論特化型モデルおよび基盤モデル群（o1、o3、GPT-5、GPT-5.1、GPT-5.4、GPT-5.5）が選定されました。問題の抽出元となった論文は、各モデルの学習データ収集期限（トレーニングカットオフ）以降に公開された未学習データであり、かつテスト実行時にはインターネットアクセスを遮断した状態で実施されています。この検証プロトコルにより、モデルが解答を単に記憶から引き出すのではなく、自律的な演繹推論によって解を導出している事実が裏付けられました。
また、2026年9月8日にはOpenAIが流体力学の基礎である「ナビエ–ストークス方程式」に関し、滑らかな外力下での特異点形成（有限時間ブローアップ）を証明したとする166ページの論文と定理証明系「Lean」による形式化コードを発表しました。この発表に先立つ2026年9月6日には、ニューヨーク大学（NYU）クーラント数理科学研究所のトリスタン・バックマスター（Tristan Buckmaster）教授とアンソロピック（Anthropic）所属のレヴェント・アルポゲ（Levent Alpöge）氏がオイラー方程式の成果を公開しており、研究成果の優先権をめぐる議論も発生しています。さらに2026年9月11日には、24名のフィールズ賞受賞者がAIによる成果のベンチマーク化に対し、概念的な洞察の重要性を訴える公開書簡を公表するなど、学術コミュニティ全体に大きな波紋が広がっています。
| 項目 | 2024年半ばの実績 | 2026年半ばの実績 |
|---|---|---|
| 理論科学の正答率 | 約2% | 約35% |
| 検証対象モデル | 初期推論モデル | o1, o3, GPT-5, GPT-5.1, GPT-5.4, GPT-5.5 |
| 対象学術領域 | 確率論、統計理論、経済理論、量子物理、宇宙論など | 確率論、統計理論、経済理論、量子物理、宇宙論など |
参考記事: OpenAI is throwing everything into building a fully automated researcher
記号推論と定理証明支援系の統合による「System 2思考」の自律化
なぜAIは実験や観測を伴わない理論科学分野において、短期間で急激な性能向上を達成できたのか。その技術的要因は、LLMの大規模な自己反省（Self-Correction）ループと、形式手法（Formal Methods）を取り入れた探索アルゴリズムの結合にあります。
大規模エージェント並列探索と計算リソースの投入
従来の自然言語モデルは単語の次トークン予測に依存していたため、長い論理ステップを要する証明問題では論理の破綻やハルシネーションを回避できませんでした。これに対し、最新の推論モデルは「思考の連鎖（Chain of Thought）」を強化学習によって自己強化し、思考プロセスそのものを探索木として展開します。
OpenAIがナビエ–ストークス方程式の未解決課題を処理した際、バックエンドでは並行して稼働する約10,000のエージェント群が配置されました。88時間の計算時間の中で約270万件のメッセージが交換され、約1,300億トークンの推論出力が消費されています。この計算規模により、人間が数か月あるいは数年を要していた解法の網羅的探索を、数日間で完了させる計算パラダイムが成立しました。
定理証明系「Lean」によるハルシネーションの機械的排除
理論科学におけるAI活用の前提条件（Prerequisites）は、「出力された解答が数学的に正しいか否かを客観的に検証できること」です。自然言語による数理記述には曖昧性が残りますが、プログラミング言語のように公理系を厳密に定義する定理証明系（Interactive Theorem Prover）である「Lean」や「Coq」を用いることで、コンパイラによる検証が可能になります。
【形式化による自律検証ループ】
[推論モデル (LLM)] ──> [証明コード生成 (Lean)] ──> [形式検証 (Compiler)]
▲ │
│ エラー情報のフィードバック │
└────────────────────────────────────────────────┘
生成された証明コードがLeanのカーネルを通過できれば、数学的な論理矛盾が存在しないことが機械的に保証されます。この閉じたフィードバックループの存在が、物理的な実証実験を必要としない純粋理論分野においてAIの精度が爆発的に向上した直接の技術的要因です。
一方で、マンソ氏が指摘するように、提示された解が表面的には正答に見えても全体を精査すると破綻しているケースも依然として存在します。OpenAI自身も公開データセットからいくつかの誤った解を取り下げており、形式化言語に落とし込めない高次元の文脈理解やモデル設定の妥当性評価は、依然として自動化の枠外に残されています。
参考記事: 推論モデルとは？OpenAI o1がもたらす「System 2思考」の仕組みとビジネス・開発への導入ロードマップ
日本の製造・金融R&Dが直面する検証体制の課題
AIモデルによる理論科学の解出能力が35%に達した事象は、日本の研究開発現場に対し、研究者の役割定義と計算インフラの再構築を求めています。
数理モデル導出から「検証環境の構築」へのシフト
重工業、自動車、半導体設計などの製造業では、流体解析、構造力学、熱伝導方程式のモデリングに膨大なR&D工数が割かれています。また金融工学の領域でも、リスクモデルやデリバティブ価格決定式の厳密解・近似解の導出に数理統計の専門家が関わっています。
これまで研究開発プロセスの主たるボトルネックは「数式を展開し、解を導出すること」にありました。しかし、最先端AIがその作業を代替可能になったことで、ボトルネックは「解の正当性をいかに検証するか」および「現実の物理現象やビジネス制約と整合しているか」という評価系へと完全に移行します。特に「検証の非対称性」が生じるため、AIが数分で提示した数十ページの数理証明を、人間が数週間かけて追認しなければならない事態が常態化します。形式証明支援系を扱える専門人材が国内に極めて少ない現状は、技術導入の構造的障壁となります。
推論計算コストの調達と計算基盤の確保
今回のOpenAIの事例が示すように、高度な理論的発見には1,300億トークン規模の推論計算が必要とされます。日本のエンタープライズや国立研究機関が同様のアプローチを採用する場合、API利用料の大幅な増加や、国内データセンターにおけるGPU推論リソースの確保が課題となります。電気料金の高止まりや限られた研究開発予算の中で、どの理論的課題に推論リソースを集中的に投下するかというROIの判断基準を早期に策定する必要があります。
参考記事: AI科学研究のボトルネックは検証プロセス｜自律実験室の課題と実用化ロードマップ
技術責任者・投資家が次に進めるべき具体的対応
理論科学の自律的解決が進む環境下で、日本の技術リーダーが取るべき具体的なアクションは以下の通りです。
- 形式手法（Formal Methods）人材の育成と開発環境の整備
数理解析やアルゴリズム開発を行うR&Dチームに対し、定理証明系言語「Lean 4」の実装トレーニングを開始します。AIが提示する推論出力を自然言語のまま検証する体制を改め、コンパイラによって機械検証できるパイプラインを社内に構築することが、ハルシネーション混入を防ぐ重要な技術的担保となります。
- 研究開発における推論コスト算定モデルの確立
従来の「事前学習（Pre-training）コスト」中心の投資判断から、難問解決に向けた「テスト時推論（Test-time Compute）コスト」を織り込んだ予算管理へ切り替えます。解くべき数理課題の価値と、10,000エージェント並列稼働に要するAPI・計算コストを事前に比較衡量するフレームワークを設計します。
- 問題設定（Problem Formulation）能力への評価軸シフト
AIが理論の証明や計算を高速にこなす以上、研究者やエンジニアのコアバリューは「どの課題を解くべきかという問いの立案」に集約されます。解法プロセスの労力ではなく、産業応用上インパクトの大きい前提条件を正確に数理モデルへ落とし込めるスキルセットを、採用・人事評価基準に反映させることが求められます。
出典: wired_science
出典: OpenAI
出典: Tristan Buckmaster（NYU Courant）公開声明
