1. 30秒でわかるメタと、マテリアルインフォマティクスでの立ち位置

マテリアルインフォマティクス（MI）とは、材料のデータと計算・AIを使って、新しい材料を効率よく探す取り組みです。 流れは大きく「データ → 予測・設計 → 実験で確かめる」の3段階です。 Metaが担っているのは、このうち主に「データ」と「予測」の段階で、大量の計算データを作って公開し、そこから学習したモデルを公開することが特徴です。

2. ロゴと社名の表記について

3. マテリアルインフォマティクスの世界で、この会社はどこにいるか

図1のとおり、Metaは「基盤モデル・計算基盤」の類型です。 MIの流れ（データ → 予測・設計 → 実験）のうち、大量のDFT計算でデータを作り、公開し、そこから学習したモデルを公開することが中心です。 実験で確かめる部分は、Metaの公式資料では確認できず、利用者や共同研究先に任されています 事実。

4. 会社の規模（会社全体は簡潔に）

Metaは、SNS・広告・VR/ARなどを手がける大企業です。会社全体の規模だけを示します 事実。 材料AIの売上・人員・予算は開示されていません 未確定／将来。

5. マテリアルインフォマティクスにかけているリソース

金額や人数は非公表ですが、公式資料から確認できたこと・できなかったことを4つの観点で整理します。

主要なデータ・モデル・ソフトの状況

6. これまでの取り組み

7. 今後の計画

公式資料で確認できる計画は、高分子などへの拡張が中心です 未確定／将来。 会社は、今後も更新を続けると読める形で公開物を出していますが、時期・規模・次のモデル名などの約束は書いていません。

8. この会社はマテリアルインフォマティクスで何を目指しているか

ここは会社が直接には述べていない部分を含みます。一次情報から読み取れる範囲の推測として、根拠とともに書きます。

9. マテリアルインフォマティクス分野の提携マッピング

10. 提供している技術・製品・サービス

Metaが材料向けに提供しているのは、オープンなデータ（OC20〜OMat24・OMol25）と、モデル（UMA）、それを使うソフト（fairchem）です。 有料のサービスや製品は確認できませんでした。ここでは、データからモデルまでの流れ、数字の条件、外部の評価を順に説明します。

データからUMAまでの流れ（図解）

論文によれば、UMAは「線形の専門家の混合（MoLE）」という構造で、モデル全体のパラメータ数を大きくしながら、1つの構造を計算するときに使うパラメータ（有効パラメータ）を小さく保ちます。 例えば中型のUMAは全体で14億パラメータですが、1構造あたりの有効パラメータは約5,000万です 事実。

数字の読み方：何を、どの条件で測った数字か

外部の評価と、公式の注意書き（中立に併記）

これらは評価の分かれる問題であり、本稿はどちらが正しいかを決めません。確認できる事実は次のとおりです。 (1) 外部の評価は、実験値との比較で、UMAを含むモデルに大きな誤差が残ると報告している（ただし条件は極端な温度・圧力を含む）。 (2) 公式ドキュメントも、タスクごとの限界を自ら書いている。 (3) UMAはバージョンが短い間隔で更新されており、評価した版と最新版は異なる場合がある。

11. この企業が抱えるリスク

12. 用語集

13. 出典

1. Meta Platforms, Inc.　Form 10-K for the fiscal year ended December 31, 2025（米国SEC提出、2026年1月29日）。会社全体の売上・研究開発費・設備投資・従業員数、AIのオープン化の方針の記載。材料・化学・触媒の記載がないことの確認にも使用。 https://www.sec.gov/Archives/edgar/data/1326801/000162828026003942/meta-20251231.htm
2. Meta AI　Sharing new breakthroughs and artifacts supporting molecular property prediction, language processing, and neuroscience（公式ブログ、2025年5月14日）。OMol25とUMAの公開、共同研究先、高分子への拡張の計画。 https://ai.meta.com/blog/meta-fair-science-new-open-source-releases/
3. Open Catalyst Project　Open Catalyst Projectの公式サイト。MetaとCarnegie Mellon大学の共同研究、2020年10月の開始、OC22・OpenDACの公開時期。 https://opencatalystproject.org/
4. arXiv／ACS Catalysis　Chanussot, L. et al. “The Open Catalyst 2020 (OC20) Dataset and Community Challenges”（arXiv:2010.09990、ACS Catalysis 11, 6059–6072、2021年、DOI 10.1021/acscatal.0c04525）。 https://arxiv.org/abs/2010.09990
5. arXiv　Barroso-Luque, L. et al. “Open Materials 2024 (OMat24) Inorganic Materials Dataset and Models”（arXiv:2410.12771、2024年10月16日。2026年5月20日に改訂）。 https://arxiv.org/abs/2410.12771
6. Hugging Face　facebook/OMAT24 のデータセットカード。内容・分割・ライセンス（CC BY 4.0）、検証セットの修正（2024年12月20日）の注記。 https://huggingface.co/datasets/facebook/OMAT24
7. arXiv　Levine, D. S. et al. “The Open Molecules 2025 (OMol25) Dataset, Evaluations, and Models”（arXiv:2505.08762、2025年5月13日。2026年3月4日に改訂）。 https://arxiv.org/abs/2505.08762
8. Hugging Face　facebook/OMol25 のページ。データはCC BY 4.0、モデルはFAIR Chemistry License v1、利用ポリシーの禁止用途。 https://huggingface.co/facebook/OMol25
9. arXiv　Wood, B. M. et al. “UMA: A Family of Universal Models for Atoms”（arXiv:2506.23971、2025年6月30日。2026年3月4日に改訂）。 https://arxiv.org/abs/2506.23971
10. Hugging Face　facebook/UMA のモデルページ。アクセス申請（制限付き公開）、FAIR Chemistry License v1（2025年5月14日更新）と利用ポリシー。 https://huggingface.co/facebook/UMA
11. Meta FAIR Chemistry（GitHub）　facebookresearch/fairchem のREADME。ライブラリのライセンス（MIT）、最新情報（2025年6月〜2026年10月）、モデルの一覧、タスクの説明。 https://github.com/facebookresearch/fairchem
12. FAIR Chemistry Documentation　UMA Models（公式ドキュメント）。UMAのタスクと各タスクの計算レベル・使用上の注意、UMA-S-1.2.1の派生モデルの制限。 https://facebookresearch.github.io/fairchem/uma
13. arXiv　Mannan, S. et al. “UniFFBench: Evaluating Universal Machine Learning Force Fields Against Experimental Measurements”（arXiv:2508.05762、2025年8月7日、2026年6月に改訂。査読の有無は確認できなかった）。外部による評価。 https://arxiv.org/abs/2508.05762
14. Meta　Meta公式サイト（ロゴの取得元：公式サイトのヘッダー画像）。 https://about.meta.com/

14. 主張と出典の対応表

最終更新：2026年10月22日／Troy Technical
本稿の数値は、MetaがSEC（米国証券取引委員会）に提出した10-K、Meta AIの公式ブログ、FAIR ChemistryのGitHubとドキュメント、arXiv等の論文、Hugging Faceのライセンス表示に基づきます。調査会社の推計値・報道ベースの数値は使用していません。「推測」と記した箇所は、一次情報から本稿が読み取った解釈であり、会社の公表内容ではありません。精度などの数字は会社・研究グループの主張として書いており、DFTとの比較と実験との比較を区別しています。ライセンスの説明は公式ページの記載の要約で、法的助言ではありません。株価・評価額・投資判断には触れていません。