TOPPANホールディングス、アイシン、旭化成、ソフトバンク、AGC、DICの6社は2026年10月28日、量子コンピュータとAIを統合した材料開発基盤の共同研究を開始したと発表しました。NEDOの「ポスト5G情報通信システム基盤強化研究開発事業」の枠組みを活用し、2028年度までの3年間で電池材料や超電導材料などを対象に計算シミュレーションと実験合成の比較検証を推進します。
NEDOポスト5G事業における6社共同研究の枠組みと経緯
本研究開発は、新エネルギー・産業技術総合開発機構（NEDO）が公募した「ポスト5G情報通信システム基盤強化研究開発事業（社会課題解決に向けた量子コンピュータ次世代機開発・実証の加速）」における「ユースケース創出に向けた大型実証」に採択された取り組みです。
採択に至るタイムライン
2026年3月の公募開始から協定締結に至るまでの経緯は以下の通りです。
| 年月日 | 主体 | 決定・発表事項の概要 |
|---|---|---|
| 2026年3月25日 | 経済産業省・NEDO | ポスト5G事業に係る量子コンピュータ次世代機実証の公募開始 |
| 2026年7月17日 | Quemix・三井金属 | 量子材料計算の実用化に向けた資本業務提携契約を締結 |
| 2026年7月17日 | NEDO | 「ユースケース創出に向けた大型実証」の実施予定先を決定・公表 |
| 2026年10月28日 | 参画6社 | 協定書締結に伴い材料開発基盤構築の共同研究開始を正式発表 |
NEDOが公表した採択案件には、今回発表された6社連合のテーマ「量子技術を用いた革新的な材料開発基盤構築の研究開発」のほかに、株式会社Quemixおよび東北大学が提案した「量子コンピュータを用いた材料シミュレーション基盤の開発とその電池材料への実証」も含まれています。
参画企業と実証対象マテリアルの分担
今回の共同研究では、計算インフラを担当するソフトバンクと、合成・評価を行う素材・部品各社が明確な役割分担を敷いています。
| 参画企業 | 役割・技術領域 | 主な検証対象マテリアル |
|---|---|---|
| ソフトバンク | 量子計算・スパコン連携基盤の構築、AI活用技術開発 | 計算プラットフォーム全般 |
| TOPPANホールディングス | シミュレーション結果の合成・評価フィードバック | 光機能性材料、添加材料 |
| アイシン | 実機適用を想定した材料特性の実測・評価 | 電池材料、駆動系高機能部材 |
| 旭化成 | 電気化学特性の解析および実験検証 | 電解液、電極材料、高分子 |
| AGC | 光学・耐熱特性の実測と物性評価 | 光学硝材、無機材料 |
| DIC | 分子設計・分散技術の検証と実験評価 | 色材、高分子材料 |
参画企業は多岐にわたる材料群を対象に設定しており、特定の物性予測において量子計算が有効に機能する領域と、古典計算で十分な領域を切り分けます。
参考記事: 量子AI化学シミュレーションの仕組みと実用化ロードマップ｜IonQとMicrosoftが描く「データ生成器」として…
量子ハイブリッド計算とAI代理モデルによる材料探索のアプローチ
材料開発におけるマテリアルズ・インフォマティクス（MI）は、過去の実験データに依存するデータ駆動型手法と、物理法則に基づく計算科学（第一原理計算等）が主流でした。しかし、未知物質の探索では高精度な学習データが枯渇しやすく、密度汎関数法（DFT）などの古典計算では強相関電子系の電子状態を高精度に解く際に計算量が爆発する課題を抱えていました。
現行NISQ機の制約とハイブリッドアーキテクチャ
完全な誤り耐性型汎用量子コンピュータ（FTQC）の実現には、物理量子ビット数の大規模化と誤り訂正符号の実装が必要であり、実用化には時間を要します。現行のノイズあり中規模量子（NISQ）デバイスは、コヒーレンス時間の短さとゲートエラー率の高さから、単独で複雑な量子化学計算を完結させることが困難です。
本プロジェクトが採用するハイブリッド基盤では、量子コンピュータを「高精度な参照データ生成器」として限定的に利用します。全体の大規模な構造探索やスクリーニングはスーパーコンピュータと古典AIモデルが担い、電子相関が強く古典近似が破綻する基底状態・励起状態のエネルギー計算のみを量子アルゴリズムにオフロードします。
[ 材料探索パイプライン ]
古典スパコン（スクリーニング）
│
├─ 通常領域 ──> 古典DFT計算・機械学習ポテンシャル
│
└─ 強相関電子領域 ──> 量子プロセッサ（局所状態の厳密計算）
│
▼
高精度データ生成
│
▼
AI代理モデルの再学習
│
▼
実実験（合成・物性評価）
│
フィードバックループ（誤差検証）
技術的前提条件（Prerequisites）の達成度
材料開発基盤として実用化に至るには、以下の工学的条件をクリアする必要があります。
- 化学的精度（1 kcal/mol ≈ 1.6 mHartree）の安定達成
NISQ環境下における変分量子固有値ソルバー（VQE）などのアルゴリズムでは、回路の浅いアンザッツを用いてもハードウェアノイズによって化学的精度を下回るケースが多発します。本実証では、エラー緩和技術（Zero-Noise ExtrapolationやProbabilistic Error Cancellation等）を適用した上で、対象分子のエネルギー差を1 kcal/mol以内の誤差で再現できるかが測定基準となります。 - AI代理モデルの学習効率
量子計算によって生成された少数の高精度アンカーポイントから、数万〜数十万構造の物性を補間する機械学習ポテンシャルの汎化性能が問われます。古典近似データと量子計算データを組み合わせたマルチフィデリティ学習において、古典計算単独比で予測誤差が半減するかどうかが実用性の分岐点です。 - 実験値との相関係数（$R^2$値）の改善
合成された電池材料のイオン伝導率や、光学材料の屈折率・透過率といったマクロな物性値に対し、シミュレーション予測値が実測値と高い相関を示す必要があります。全固体電池向け電解質を想定した場合、室温イオン伝導率 $10\ \mathrm{mS/cm}$ 級の有望組成をシミュレーション上で偽陽性なく絞り込めるかが評価指標となります。
Quemix提案とのアプローチの差異
同じNEDO事業に採択されたQuemixと東北大学の連合は、独自開発の量子化学計算アルゴリズム「確率的虚時間発展法（PITE: Probabilistic Imaginary-Time Evolution）」を軸に据えています。PITEは量子回路の深さを抑えつつ基底状態を射影する手法であり、3GeV高輝度放射光施設「NanoTerasu（ナノテラス）」によるナノレベルの実測データと直接比較することでアルゴリズムの正当性を証明するアプローチをとります。
一方、今回の6社連合は特定アルゴリズムの証明にとどまらず、ソフトバンクの計算リソース管理、素材メーカー各社による実合成、電極や光学素子などの部素材レベルでの評価までを含む、エンジニアリングチェーン全体の適合性を検証する点に主眼を置いています。
参考記事: 量子化学計算の実用化はいつ？デロイトが実証した計算コスト指数削減の仕組みと2028年ロードマップ
産業構造の転換と主要プレイヤーへの波及効果
量子計算をマテリアルズ・インフォマティクスに組み込む試みは、サプライチェーン内の力学を変化させます。
素材メーカー（AGC、旭化成、DIC、TOPPAN）
従来の素材開発は、熟練研究者の経験と膨大な実験の試行錯誤（Edison-type approach）に依存していました。量子シミュレーションとAIの連携基盤が機能すれば、合成実験を行う前に候補化合物を数分の一に絞り込むことが可能になります。
特にフッ素系材料や遷移金属錯体など、d軌道・f軌道の電子相関が複雑な高付加価値マテリアルにおいて、合成プロトタイプの作製回数を削減できる利点は開発コストの直接的な圧縮につながります。
Tier1サプライヤー（アイシン）
自動車部品大手のアイシンが素材メーカーとともに参画している背景には、次世代モビリティ部材の内製・先行開発戦略があります。
全固体電池の固体電解質や高効率eAxle用磁性材料など、コンポーネントの性能を決定づけるコア材料の探索段階から関与することで、外部からの部材調達に依存しない設計自由度の確保を目指します。材料物性の理論限界を把握した上でモジュール設計を行う体制は、コンポーネント開発のリードタイム短縮に寄与します。
通信キャリア（ソフトバンク）
通信インフラ企業から次世代コンピューティングプロバイダーへの拡張を図るソフトバンクにとって、本実証は産業特化型HPCプラットフォームの実装試験となります。
量子プロセッサとGPUクラスタを高速通信で直結し、ワークロードに応じて計算タスクを最適配分するオーケストレーション基盤は、将来的にクラウドサービスとしての外販が視野に入ります。材料開発という高い計算精度が求められる領域での稼働実績は、プラットフォームの信頼性担保に直結します。
スタートアップ淘汰と大企業主導の垂直統合
ガートナーが2026年10月に発表した市場予測によると、世界の量子コンピューティング売上高は2026年に8億6,990万米ドル、2027年には11億米ドルに達する見込みです。一方で、商用収益化に至らないスタートアップ企業の半数以上が2030年までに市場から退出すると予測されています。
アルゴリズム開発のみを専業とするベンチャー企業は、実測データとの検証基盤を持つ事業会社と組まない限り、PoC（概念実証）の域を脱することが困難です。今回のNEDO採択案件に見られるように、計算インフラ・アルゴリズム・物理実験設備・部材評価が一体となったコンソーシアムへの集約が進みます。
TechShiftの視点（独自考察）
本共同研究の成否を見極める上で、技術責任者および投資家が追跡すべき評価指標は以下の通りです。
[ 実用化検証のチェックポイント ]
1. 実行時間比較:
スパコン単独 vs 量子ハイブリッド
- 同一精度における計算リソース消費量の推移
2. 予測適合率:
スクリーニング候補の実合成成功率
- 偽陽性率の低減（従来比50%減がターゲット）
3. 共通基盤化の進捗:
6社間でのデータフォーマット統一
- 材料領域を跨いだAI代理モデルの再利用性
事業化に向けた最初のハードルは、使用する量子ハードウェアの実行速度と可用性です。公表資料では具体的な機種名が伏せられているものの、クラウド経由でのキュー待ち時間を含めた実効スループットが、材料探索のサイクルタイムに見合うかが問われます。
注視すべき数値指標は、スーパーコンピュータによる古典計算（クラスタ展開したDFT計算）と比較した際の「単位時間あたりの探索効率」です。2028年度のプロジェクト終了時までに、強相関電子を含む系において、古典計算のみで同等精度を得る場合と比較して総計算時間を30％以上短縮できるかどうかが、実用プラットフォームへの移行判断基準となります。
さらに、旭化成やDICが持つ実験室の自動合成ロボティクスとのAPI連携が進むかも重要です。シミュレーション結果が即座に自動実験ラインへ渡り、その測定結果がAI代理モデルへ自動再学習される閉ループ（Self-Driving Lab）が構築できれば、材料開発のリードタイムは年単位から月単位へと移行します。
実証の進展に伴い企業が取るべき具体的アクション
材料開発や先端技術の投資判断を担う担当者は、本実証の進捗を踏まえ、自社の技術ロードマップを再検討する必要があります。
- 材料ポートフォリオにおける「強相関電子系」の棚卸し
自社が開発する機能性材料のうち、既存の古典DFTや汎用分子動力学（MD）シミュレーションで精度限界に達している化合物を特定します。遷移金属酸化物、触媒、有機半導体の励起状態など、量子計算の優位性が発揮されやすい領域をあらかじめ切り出しておくことが前提となります。
- 社内実験データの構造化とMIパイプラインの標準化
ハイブリッド計算基盤を導入しても、比較検証するための実験値が散逸していてはモデルの妥当性を評価できません。合成条件、物性測定結果、環境パラメータのフォーマットを統一し、AIモデルが取り込める機械可読なデータベースを整備します。
- 2028年に向けた「アルゴリズム選定」と「外部コンソーシアム連携」の準備
QuemixのPITEのような独自アルゴリズムと、今回6社連合が検証するオープンなハイブリッド基盤の双方から得られる公開知見をモニタリングします。ハードウェアの完成を待つのではなく、どの基盤が自社の対象材料に対して最も低いエラー率で解を出せるかを見極め、PoCへの参画準備を進めることが求められます。
出典: TOPPANホールディングス ニュースリリース
出典: NEDO 公募・採択情報
出典: Gartner Press Releases
出典: 三井金属鉱業 ニュースリリース
出典: Quemix お知らせ
出典: 経済産業省 ポスト5G情報通信システム基盤強化研究開発事業
