TECHNOLOGY EXPLAINER
AIエージェントによる材料研究
― LLM が計算・データベース・実験装置を「道具」として使うとき
LLM が、文献検索、データベース、計算ソフト、そして実験装置を「道具」として使い、材料の調べものや実験を進める。これが、材料研究の AI エージェントです。この記事では、エージェントの一般的な仕組み（LLM＋道具＋ループ）は本シリーズ「AIエージェントの仕組み」編に任せ、材料研究に固有の話に集中します。どんな道具が使えるのか。実例（ChemCrow、Coscientist、LLaMP、MDCrow、CRESt など）で、何が論文で確かめられたのか。測ってみると何がうまくいかないのか。そして素材技術者が導入を考えるときに、何を確認すべきか。論文の記述の範囲で、誇張せずに整理します。
- 3行でわかる／読む前に／シリーズの中での位置
- 材料の仕事を「道具」に分けてみる
- 道具につなぐ仕組み ― 関数・コード・説明書・MCP
- 実例1 ― ChemCrow（合成ロボットまで）
- 実例2 ― Coscientist（液体ハンドリングと反応の最適化）
- 実例3 ― 計算・データ・探索ロボット（LLaMP、MDCrow、CRESt ほか）
- 測ってみると ― つまずいた点
- 材料研究に固有の設計 ― 確認の門と任せる範囲
- 素材技術者から見て
- 限界と、確認できなかったこと／まとめ
- 評価・標準の読み方
- 用語集
- 参考資料（一次情報）
- 主張と出典の対応表（監査）
事実＝公表資料に記載のある内容（出典リンクあり）
本稿の計算＝明示した前提をもとに本記事が算出した値
未確定／将来＝計画・目標・草案・改訂中など、確定していない事項
このほか、素材技術者向けの読み取りは「解説」として区別しています。推測は太字で示します。研究グループや企業の主張は「主張」と明記します。
ここで扱う実例の多くは、既知の化合物の合成、計算上の探索、特定の系での最適化です。計算上の予測と、実験で合成・測定して確かめた結果は、別のものとして書き分けます。研究グループの「発見した」「改善した」という記述は、主張として扱い、独立した検証が確認できないものは、そう書きます。
1. 3行でわかる／読む前に／シリーズの中での位置
- 材料研究のエージェントは、LLM が「道具を選び、呼び出し、結果を読む」仕組みです。道具は、文献や説明書の検索、データベース（Materials Project など）、計算ソフト、コードの実行、実験装置です事実［参考資料2・3・1］
- 実例では、液体ハンドリングロボットや合成ロボットを動かして、実験まで行った例が論文にあります（Coscientist、ChemCrow）。ただし対象は主に既知の反応・化合物で、人手（プレートの移動など）が残る例があります事実［参考資料2・1］
- 測ってみると、つまずく点があります。材料の質問に強いモデルが、実験室の操作では不振だった例（AFMBench）、LLM に評価させると流暢な誤りを見逃した例（ChemCrow）があります。一番大事な1点：道具が返した値の「出典・条件・単位」を確認する門と、装置を動かす前の人の承認が要ります事実［参考資料10・1］
「エージェント」とは、LLM が道具を呼び出して結果を読み、次の行動を決めることを繰り返す仕組みです（本シリーズ「AIエージェントの仕組み」編、「Transformerと大規模言語モデル」編）。ワークフローと自律的なエージェントの違い、ReAct、誤りの累積などは、そちらで説明しているので、ここでは繰り返しません。この記事は単独でも読めるよう、材料に固有の用語は初出で説明します。
論文から材料データを取り出す話は「材料向け大規模言語モデルとテキストマイニング」編、実験を自動で回して次の実験を決める話は「自律実験室」編と「クローズドループ最適化」編、材料の計算は「量子化学・材料シミュレーション」編と「機械学習原子間ポテンシャル」編で扱います。この記事は、それらの道具を LLM がつなぐ「司令塔」の話です。
2. 材料の仕事を「道具」に分けてみる
新入社員に「この組成の材料の弾性率を調べて、候補を3つ挙げて」と頼む場面を考えます。新入社員は、文献を探し、データベースを引き、計算ソフトを動かし、必要なら実験を頼むでしょう。エージェントは、この新入社員の役を LLM が務める仕組みです。ただし LLM は自分で計算するのではなく、道具に頼んで、返ってきた結果を読みます。
元のSVG・数値・出典を確認する
元SVGの説明：概念図（ベクター作図）。LLM が使う道具の分類。道具の例は ChemCrow、Coscientist、LLaMP、MDCrow、MatTools、AILA の論文による。
新入社員は、返ってきた値がおかしければ違和感を持ち、人に確かめられます。LLM は、道具が返した値が不自然でも、それらしい文章に整えてしまうことがあります（本記事による解説。幻覚の報告と同じ種類の問題です）。LLM に化学の問題を直接答えさせると「自信にあふれているが、たいてい誤り」になりうるため、道具を使わせる、というのが ChemCrow の著者らの出発点でした事実［参考資料1］。
道具ごとに、材料に固有の注意があります。
- 検索：論文は成功例に偏ります（本シリーズ「材料向け大規模言語モデルとテキストマイニング」編）。装置の説明書の検索は、操作コードを書かせるときに決定的に効きます事実［参考資料2］
- データベース：Materials Project は、DOE の取り組みで、材料の性質をあらかじめ計算して公開するものです事実［参考資料13・14］。計算値と実測値が混ざるので、返ってきた値が「計算か実測か」を確認します。LLaMP の著者は、誤りが混在するデータ源に由来するように見えると述べます事実［参考資料3］
- 計算ソフト：結果は計算の条件（汎関数、カットオフなど）に依存します。計算値を実測値のように書かせない（本シリーズ「密度汎関数理論の基礎」編）
- 実験装置：計算機の中で完結せず、物理世界に影響します。試薬の取り扱いと安全が絡みます（第8章）
3. 道具につなぐ仕組み ― 関数・コード・説明書・MCP
LLM を道具につなぐ方法は、おもに4つあります。
- ① 関数の呼び出し：あらかじめ用意した「関数」（例：データベース検索）を、決まった形で呼ぶ。ChemCrow は、反応・分子・安全・検索などの18の専門家の設計した道具をもつ事実［参考資料1］。MDCrow は40の道具をもつ事実［参考資料4］
- ② コードを書かせて動かす：LLM が Python のコードを書き、隔離した環境で実行する。Coscientist の PYTHON コマンドは、隔離したコンテナで実行する事実［参考資料2］。MatTools は、pymatgen を使うコードを LLM が書く力を測る事実［参考資料11］
- ③ 説明書を読ませて、操作コードを書かせる：装置の説明書を検索で取り出して読ませる。Coscientist は、GPT-4 の学習の後に出た液体ハンドリングロボットのモジュールの説明書を読んで、操作コードを書いた事実［参考資料2］
- ④ 共通の接続規約（MCP）：道具ごとに接続をつくる手間を減らすため、LLM アプリと道具をつなぐ公開の規約があります。MCP（Model Context Protocol）は、サーバが「資源」「プロンプト」「道具」を提供する形で、仕様は JSON-RPC 2.0 に基づきます事実［参考資料12］
MCP の仕様は、安全について、道具は任意のコード実行にあたるので、慎重に扱うこと、呼び出しの前に利用者の明示的な同意を得ることを述べます。同時に、MCP 自体は、これらの原則をプロトコルの水準で強制できない、とも書いています事実［参考資料12］（確認した版は2026-07-28）。MCP は標準化団体の規格ではなく公開の仕様です。材料の装置をつなぐ試みは、プレプリントなどが出ていますが、本稿では内容を確認していません未確定／将来。
次の図は、道具を1回使うやりとりを、人と LLM と道具に分けて示します。例は説明用に本稿が作りました。
図の下の計算は、単位の取り違えの大きさを示します。形成エネルギー−0.52 eV/原子を kJ/mol に直すと約−50.2 kJ/mol です。1 eV/原子は、素電荷（1.602176634×10⁻¹⁹ C）とアボガドロ定数（6.02214076×10²³ /mol）の積で約96.485 kJ/mol です本稿の計算事実［参考資料15・16］。約96倍のずれは、桁を見れば気づけそうですが、道具が返した値の単位を、人が確認する門がなければ見逃されます。
関数の呼び出しは、決まったボタンを押すようなものです。できることは限られますが、動きは予測できます。コードを書かせる方法は、白紙のメモにやりたいことを書かせるようなもので、自由度は高い反面、書かれたコードの中身を確かめる必要があります。後者を使うときは、隔離した環境で動かすなど、実行の範囲を絞ります。たとえの限界：実際には、両者を組み合わせて使うシステムが多くあります。
4. 実例1 ― ChemCrow（合成ロボットまで）
ChemCrow（Bran ら、2024）は、GPT-4 に18の専門家の設計した道具を組み合わせた、化学のエージェントです。道具は、反応、分子、安全、検索などです事実［参考資料1］。論文は、次のことを報告しています。
- 合成の計画と実行：IBM の合成ロボット（クラウドから使う RoboRXN）で、虫よけ（DEET）と、3つの既知のチオウレア系有機触媒の合成を自律的に実行し、4つとも期待した化合物が得られた事実［参考資料1］。論文は、これらの道具を人が個別に使っても、おそらく同じ結果になり、ChemCrow は、道具の実行を LLM の推論でつないで自動化したものだ、と述べています
- ロボット側の不備の自動修正：予測された手順は、そのままでは RoboRXN で実行できないことがある（溶媒の量が足りない、など）。通常は人が直すが、ChemCrow は、プラットフォームの検証結果を問い合わせて、有効になるまで手順を直した事実［参考資料1］
- 色素の探索（人と AI の協働）：ChemCrow に機械学習モデル（ランダムフォレスト）を訓練させ、候補の色素を絞り込んで、吸収極大波長369 nm を目標に分子を提案させた。提案された分子は、合成して測定され、新しい色素と確かめられたが、測定した吸収極大は336 nm（目標より33 nm 短い）だった事実本稿の計算［参考資料1］。論文は「おおよそ望みの性質」と書いています
色素の例は、素材の現場で大切な見方を示します。機械学習の提案（目標369 nm）と、実測（336 nm）は、33 nm（目標の約9%）違いました本稿の計算（369−336＝33、33÷369≒0.089）。これは「失敗」ではなく、予測を絞り込みに使い、実験で確かめるという、使い方どおりの結果です（本記事による解説）。エージェントの報告を読むときは、「提案」と「測定」の差が書かれているかを確かめます。
ChemCrow の論文は、評価を専門家（4人）と LLM の評価者（EvaluatorGPT）の両方で行いました。専門家は、事実の正確さと完成度で ChemCrow を好みましたが、EvaluatorGPT は、流暢で完全に見える GPT-4 単体の答えを好みました。事実を判断する材料がない評価者は、答えの質を信頼できる形で評価できない、と著者らは述べます事実［参考資料1］。事実の正しさが大切な課題で、LLM に採点させるときは、人の評価と必ず突き合わせます。
5. 実例2 ― Coscientist（液体ハンドリングと反応の最適化）
Coscientist（Boiko ら、Nature 2023）は、GPT-4 が「Planner」として、4つのコマンド（検索、Python の実行、説明書の検索、実験）を使い分ける仕組みです事実［参考資料2］。論文は6つの課題で能力を示しています。公表された内容を、図に整理します。
- 実験：液体ハンドリングロボット（Opentrons OT-2）で、パラジウム触媒の鈴木反応と薗頭反応を設計して実行した。反応混合物を GC–MS で分析し、どちらも目的物のシグナルを確認した、と論文は述べる事実［参考資料2］
- 人手の部分：プレートの移動は人手で、完全には自動化されていない。ただし「人による意思決定は無かった」と記載されている事実［参考資料2］。「自律」と「人手が残る」は両立するので、読むときは、人が何を担ったかを確かめる
- 誤りの自己修正：装置のメソッド名を誤ったが、説明書を検索して調べ、コードを直して実行に成功した事実［参考資料2］
- 合成計画の試験：検索を使わないモデルは、すべてイブプロフェンの合成を誤った。著者は、幻覚を避けるために、モデルを外部の情報に結びつける重要性を述べる事実［参考資料2］
- 反応の最適化：標準的なベイズ最適化との比較で、GPT-4 に基づく2つの方法が高い値を示した、と述べる一方、探索と活用の釣り合いが異なるため、これだけでは性能を示す指標とは限らない、とも書いている事実［参考資料2］（ベイズ最適化は本シリーズ「ベイズ最適化と能動学習」編）
- 安全：著者は、自動化された実験の仕組みには、安全と二重用途（悪用）の懸念があるとして、補足資料で簡単な検討を行っている事実［参考資料2］
正確には、そうではありません。ChemCrow が合成を実行したのは、虫よけ DEET と3つの既知の有機触媒です。Coscientist が実験したのは、よく知られたカップリング反応です。いずれも、「エージェントが道具と装置を使って、既知の反応を自分で計画し、実行できた」ことの実証で、新しい反応や材料の発見ではありません。ChemCrow の新しい色素は、人と AI の協働で、機械学習の提案を合成して確かめた例です。
6. 実例3 ― 計算・データ・探索ロボット（LLaMP、MDCrow、CRESt ほか）
(1) 計算とデータベースを使う例
- LLaMP（Chiang ら）：Materials Project に問い合わせ、原子スケールのシミュレーションを走らせる、検索拡張生成（RAG）型の階層的なエージェントです。追加の学習（微調整）なしで動き、体積弾性率・バンドギャップ・生成エネルギーの誤りを減らしたと報告しています事実［参考資料3］。誤りの減少は、著者らの評価指標（不確かさと確信度を組み合わせた自己一貫性）による値です
- MDCrow（Campbell ら）：分子動力学のワークフローを自動化する、40の道具をもつエージェントです。25の課題で評価し、gpt-4o が低いばらつきで複雑な課題を完了し、オープンなモデル llama3-405b が続いた、と報告しています。指示文の書き方は、最良のモデルには影響せず、小さなモデルには大きく影響した事実［参考資料4］
- ChatMOF（Kang と Kim）：MOF の検索・予測・生成を行うシステムで、エージェント・道具・評価の3つの部品をもちます。GPT-4 で、検索96.9%、予測95.7%、生成87.5%の正答率と報告しています（著者が定めた課題での値）事実［参考資料5］
(2) 実験ロボットとつなぐ探索の例
CRESt（Zhang ら、Nature 2025）は、組成・文章の埋め込み・微細構造の画像を扱う大規模なマルチモーダルモデルを、知識を使うベイズ最適化とロボットの自動化に結びつけたプラットフォームです。カメラで実験を見守り、視覚言語モデルが実験の異常を診断して直す仮説を出します。ギ酸の電気化学的酸化に適用し、900を超える触媒の組成と3,500回の電気化学試験を3か月で行い、8元系（Pd–Pt–Cu–Au–Ir–Ce–Nb–Cr）の中で、コストあたりの性能が9.3倍になる触媒を見つけた、と著者らは述べています事実［参考資料6］。これは著者らの主張で、独立した第三者の検証は、本稿では確認できませんでした未確定／将来。また、「コストあたりの性能」の比較対象や定義は、本稿では要旨の範囲でしか確認していません。
(3) 主張として扱う例
SciAgents（Ghafarollahi と Buehler）は、知識グラフと複数のエージェントで、生物に着想を得た材料の仮説を生成する方法で、著者らは、人手の研究を上回る規模と精度があると述べます事実［参考資料7］。AtomAgents は、複数のエージェントで合金の設計を行う方法［参考資料8］、MatPilot は、人と AI の協働で、仮説から自動実験までを行う方法です［参考資料9］。これらは、論文での著者らの主張として紹介します。後2者は、掲載誌を確認できないプレプリントで、独立した検証も確認していません未確定／将来。
| システム | 道具・つなぎ先 | 実世界の実験 | 論文の検証の記述（確認した範囲） |
|---|---|---|---|
| ChemCrow | 18の道具、RoboRXN（合成ロボット） | あり（DEET、3つの既知の触媒、色素1つ） | 合成の成否と、色素の吸収極大の実測（336 nm）事実 |
| Coscientist | 検索、Python、説明書の検索、液体ハンドリングロボット | あり（鈴木・薗頭反応）。プレートの移動は人手 | GC–MS で目的物のシグナルを確認事実 |
| LLaMP | Materials Project、原子スケールのシミュレーション | なし（計算・データ） | 自己一貫性の指標で、素の LLM と比較事実 |
| MDCrow | 40の道具（分子動力学の準備・解析） | なし（計算） | 25の課題での完了度事実 |
| ChatMOF | データ検索、機械学習の予測、構造生成 | なし（計算） | 著者が定めた課題での正答率事実 |
| CRESt | マルチモーダルモデル、ベイズ最適化、ロボットとカメラ | あり（900超の組成、3,500回の試験） | 著者の主張。独立した検証は確認できなかった未確定／将来 |
7. 測ってみると ― つまずいた点
実例の成功だけでなく、測ったときにどうだったかを見ます。公表されている測定を並べます。
- AFMBench（Mandal ら）：原子間力顕微鏡を LLM のエージェント（AILA）で自動化する枠組みと、その評価セットです。最新のモデルでも基本的な課題や協調で苦戦し、材料の質問に強い Claude 3.5 Sonnet がエージェントとしては予想外に不振でした。著者は、分野の質問への強さが、エージェントとしての能力に直結するとは限らないと述べ、実験室での導入前に、厳密な評価と指示文の工夫が要るとまとめています事実［参考資料10］
- MatTools：pymatgen の知識を問う69,225問と、49課題（138の小課題）の実際のコード生成で、材料の道具を使う力を測ります。著者は、3つの知見として「汎用のモデルが専門のモデルを上回る」「AI は AI を知る」「単純な構成のほうが良い」を挙げています事実［参考資料11］。
正しくありません。AFMBench の著者は、材料の質問応答に強いモデルが、エージェントとしては不振だった例を報告しました事実［参考資料10］。知識を問う試験の得点と、道具を正しく順序よく使い、指示を守る力は、別の能力です。正しい確認は、自社で使う道具と作業そのものを課題にして、導入前に測ることです。
8. 材料研究に固有の設計 ― 確認の門と任せる範囲
材料の仕事では、エージェントが返す値が次の実験や投資の根拠になります。そこで、LLM の提案と、装置の実行のあいだに「門」を置く設計を考えます（本稿の整理で、標準の手順ではありません）。
- 門1（値と条件）：道具が返した値は、単位、データの ID、計算か実測か、計算条件を確認し、既知の値と照合します。ここは、素材技術者の専門が最も効く部分です
- 人の承認：装置を動かす前に、実験の目的、使う物質と量、安全を人が確かめ、承認を記録します。MCP の仕様も、道具の呼び出し前の明示的な同意を述べています事実［参考資料12］
- 門2（装置側の制限）：LLM が指示から逸脱しうることは、AFMBench が報告しています事実［参考資料10］。操作できる量・温度・物質を、LLM の外側（装置やソフトの設定）で制限します。LLM に「守って」と頼むだけにしない（本記事による解説）
- 記録：モデルの名前と版、指示文、道具の呼び出しと返された値、判断者を残します。後で「なぜその実験をしたか」をたどれることが、再現性の土台です
もう1つの設計の軸は、どこまで任せるかです。段階で整理します。
段階2までは、間違えても、計算機の中で結果を捨てればやり直せます。段階3からは、試薬が使われ、装置が動き、やり直せない影響が出ます。同じ「エージェント」でも、リスクの種類が変わるので、段階3に進むときは、門と承認と装置側の制限をそろえてからにします（本記事による解説）。
9. 素材技術者から見て
エージェントを入れる前に、自社の分析装置や計算ソフトを、外から決まった形で呼べる道具にできているかが問われます。入力の形（単位を含む）、出力の形、ログ、失敗時の返し方を決めておきます。Coscientist が装置の説明書を読んで操作コードを書けた事実［参考資料2］ように、装置の説明書の質も効きます（本記事による解説）。これは LLM がなくても、自動化や再現性に役立つ整備です。
任せやすい：文献や説明書の検索、計算の入力ファイルの下準備、結果の整理、定型の計算の実行。専門家の判断が要る：何を目的にするか、計算の条件が対象に合うか、返ってきた値の妥当性、実験の安全、結果の解釈と、実験で確かめる設計（対照、再現性、ロット差）。エージェントの実例も、人が目的を決め、結果を確かめる枠の中で成り立っています（本記事による解説）。
AFMBench のように、実際に使う道具と作業を課題にした試験を、導入前につくります事実［参考資料10］。たとえば「過去の計算10件を、入力の指示だけで再現できるか」「単位の違う入力を与えたとき、気づけるか」。結果は、モデルの名前と版、指示文とともに記録します。別のモデルや指示文に替えると結果が変わるので（MDCrow では小さなモデルが指示文の書き方に大きく影響された事実［参考資料4］）、替えるたびに測り直します。
10. 限界と、確認できなかったこと／まとめ
(1) 確認できなかったこと
- CRESt の本文（購読が必要）は確認しておらず、要旨と拡張データの図の説明の範囲です。9.3倍の比較対象や、独立した検証は確認できませんでした。
- Coscientist・ChemCrow の実験の数、成功の定義の詳細、独立した検証の有無は、論文に記載された範囲を超えては確認していません。
- LLaMP・MDCrow・MatTools・AFMBench の詳細な数値は、要旨の範囲で確認しました（掲載版の数値とは異なる可能性があります）。
- AtomAgents と MatPilot は、掲載誌を確認できないプレプリントです。
- MCP を使った材料・化学の装置制御のプレプリントがあることは把握していますが、内容は確認していません。
- 各モデルの最新版での再試験の結果と、ライセンス（商用利用の可否）は確認していません。
- エージェントの材料研究への適用に特化した国際標準は、確認できませんでした。ISO/IEC の規格本文は有料で、適用範囲の記載にとどめています。
- 材料研究のエージェントは、LLM が検索・データベース・計算ソフト・コード実行・実験装置を「道具」として使う仕組み。道具に固有の注意（計算か実測か、単位、条件）がある事実
- 実験まで行った例（Coscientist、ChemCrow）の対象は主に既知の反応・化合物で、人手が残る例もある。「発見」ではなく、計画と実行の実証事実
- 測ると、材料の質問に強くても実験室では不振な例、LLM の採点が流暢さに引かれた例がある。導入前に、自社のタスクで測る事実
- 値と条件の門、人の承認、装置側の制限、記録を設計に入れる。段階2（計算機の中）と段階3（装置を動かす）のあいだに線を引く（本記事による解説）
- CRESt の9.3倍のような数字は主張として読み、独立した検証と比較対象を確かめる未確定／将来
11. 評価・標準の読み方
エージェントの「ものさし」は、まず道具を正しく使えるか（MatTools のような道具の使用の試験）と、実験室や計算の作業を完了できるか（AFMBench、MDCrow の25課題など）です。次に、答えの質をどう評価するか（専門家か、LLM の評価者か）が大きな論点になります。これらは、エージェントが返した材料の値が、実験で正しいことを測るものではありません。確認日は2026年10月22日です。
| 評価項目 | 代表的なベンチマーク・評価手法（名称・出典） | 標準・指針（ISO/IEC・NIST・公開仕様など） | 読み方の注意 |
|---|---|---|---|
| 道具を使う力 | MatTools（pymatgen の69,225問、49課題・138小課題）［参考資料11］事実 | 確認できなかった | コードを書く力の試験。自社の道具・作業での成績とは別 |
| 実験室・計算の作業の完了 | AFMBench（AILA）［参考資料10］、MDCrow の25課題［参考資料4］事実 | 確認できなかった | 材料の質問の得点と一致しない例がある。指示文の違いで変わる |
| 答えの質の評価方法 | 専門家（4人）と LLM の評価者の併用（ChemCrow）［参考資料1］事実 | 確認できなかった（ChemCrow の論文は、標準化された評価手法はまだ確立されていないと述べる） | LLM の評価者は流暢さに引かれうる。事実の正しさは人が確かめる |
| 実験での確認 | GC–MS による目的物の確認（Coscientist）、色素の吸収極大の実測（ChemCrow）［参考資料2・1］事実 | 確認できなかった | 実験の数・成功の定義・人手・独立した検証の有無を、論文ごとに確かめる |
| 道具の接続の規約 | 確認できなかった | MCP の仕様（確認した版 2026-07-28）。標準化団体の規格ではなく、公開の仕様［参考資料12］事実 | 同意とツールの安全の原則を述べるが、プロトコル自体は強制できない |
| AI のリスクと管理 | 確認できなかった | ISO/IEC 23894:2023（AI のリスク管理の指針）［参考資料18］、ISO/IEC 42001:2023（AI マネジメントシステム）［参考資料19］、NIST AI RMF 1.0（NIST AI 100-1）［参考資料20］、NIST AI 600-1（生成 AI プロファイル）［参考資料21］事実 | 組織の運用と指針。23894 は指針（guidance）、42001 は要求事項、NIST は自主的。いずれも、エージェントが返す値の正しさを保証するものではない |
| 用語 | 確認できなかった | ISO/IEC 22989:2022（AI の概念と用語）［参考資料17］事実 | 用語の統一に役立つ。材料のエージェントの性能を定めるものではない |
表の整理は本稿の計算（整理）。番号・題名・状態は ISO・NIST・MCP の公式ページで確認（確認日 2026年10月22日）。規格の本文は有料のため、適用範囲の記載にとどめ、要求事項は書いていません。
読み方の注意（素材技術者向け）
- ベンチマークの順位と、自社の作業での実力は違います：MatTools や AFMBench の成績は、その論文の課題・モデル・指示文でのものです。自社の道具と作業で測り直します
- 「提案」と「実験での確認」を区別します：エージェントの出力は提案です。ChemCrow の色素のように、合成・測定した結果と、予測との差を書きます
- 標準・指針は、要求か推奨かを区別します：NIST の文書は自主的、ISO/IEC 23894 は指針、42001 は組織への要求事項、MCP は公開仕様です。計画と達成も区別します（CRESt の結果は主張）
12. 用語集
- AI エージェント
- LLM が道具を呼び出し、結果を読んで次の行動を決めることを繰り返す仕組み。
- 道具（ツール）
- LLM が呼び出す、検索・計算・実験装置などの機能。
- 関数の呼び出し
- 用意した関数を、決まった形で呼び出す方法。
- MCP（Model Context Protocol）
- LLM アプリと道具・データをつなぐ、公開の規約。
- API
- ソフトや装置を、外から決まった形で呼ぶための入口。
- RAG（検索拡張生成）
- 答える前に資料を検索し、その内容をもとに文章をつくる方法。
- Materials Project
- DOE の取り組みで、材料の性質をあらかじめ計算して公開するデータベース。
- pymatgen
- 材料の結晶構造などを扱う Python のライブラリ。
- 分子動力学
- 原子の動きを時間とともに計算するシミュレーション（本シリーズの別記事を参照）。
- 液体ハンドリングロボット
- 試料や試薬を決まった量だけ分注する装置。例：Opentrons OT-2。
- クラウドラボ
- 遠隔から、実験を依頼して実行してもらえる自動化された実験施設。
- GC–MS
- ガスクロマトグラフィー質量分析。混合物を分離して成分を同定する分析法。
- ベンチマーク
- モデルの能力を、決めた課題で測るための試験。
- LLM の評価者
- 別の LLM に答えの採点をさせる方法。流暢さに引かれうる。
- 幻覚（ハルシネーション）
- もっともらしいが、根拠のない・誤った内容を書くこと。
- マルチエージェント
- 役割の違う複数のエージェントが協力して作業する構成。
- 隔離した環境（コンテナ）
- 生成したコードが、利用者の計算機に影響しないよう、閉じた領域で動かす仕組み。
- 二重用途（デュアルユース）
- 良い目的にも、悪用にも使える技術の性質。
- グラウンディング
- モデルの答えを、外部の確かな情報に結びつけること。
- ベイズ最適化
- 少ない試行で最適な条件を探す方法（本シリーズの別記事を参照）。
- インターロック
- 条件がそろわないと装置が動かない（異常時に止まる）安全の仕組み。
- ReAct
- 「考える→行動する→結果を見る」を交互に行わせる、LLM の使い方。
- プロンプトの脆さ
- 指示文の少しの違いで、結果が大きく変わること。
13. 参考資料（一次情報）
- Bran A. M. ほか "Augmenting large language models with chemistry tools", Nat. Mach. Intell. 6, 525–535 (2024), DOI 10.1038/s42256-024-00832-8 — doi.org/10.1038/s42256-024-00832-8
- Boiko D. A., MacKnight R., Kline B., Gomes G. "Autonomous chemical research with large language models", Nature 624, 570–578 (2023), DOI 10.1038/s41586-023-06792-0 — doi.org/10.1038/s41586-023-06792-0
- Chiang Y. ほか "LLaMP: Large Language Model Made Powerful for High-fidelity Materials Knowledge Retrieval and Distillation", arXiv:2401.17244 (2024); 掲載：Proc. EMNLP 2025, 25200–25232, DOI 10.18653/v1/2025.emnlp-main.1280 (数値の記述は arXiv の要旨) — arxiv.org/abs/2401.17244
- Campbell Q. ほか "MDCrow: automating molecular dynamics workflows with large language models", Mach. Learn.: Sci. Technol. 7, 025037 (2026), DOI 10.1088/2632-2153/ae4b07 (要旨は arXiv:2502.09565 で確認) — arxiv.org/abs/2502.09565
- Kang Y., Kim J. "ChatMOF: an artificial intelligence system for predicting and generating metal-organic frameworks using large language models", Nat. Commun. 15, 4705 (2024), DOI 10.1038/s41467-024-48998-4 — doi.org/10.1038/s41467-024-48998-4
- Zhang Z. ほか "A multimodal robotic platform for multi-element electrocatalyst discovery", Nature 647, 390–396 (2025), DOI 10.1038/s41586-025-09640-5 (要旨と拡張データの図の説明を確認。本文は購読が必要) — doi.org/10.1038/s41586-025-09640-5
- Ghafarollahi A., Buehler M. J. "SciAgents: Automating Scientific Discovery Through Bioinspired Multi-Agent Intelligent Graph Reasoning", Adv. Mater. 37, 2413523 (2025), DOI 10.1002/adma.202413523 (要旨は arXiv:2409.05556 で確認) — arxiv.org/abs/2409.05556
- Ghafarollahi A., Buehler M. J. "AtomAgents: Alloy design and discovery through physics-aware multi-modal multi-agent artificial intelligence", arXiv:2407.10022 (2024)（プレプリント。掲載誌は確認できなかった） — arxiv.org/abs/2407.10022
- Ni Z. ほか "MatPilot: an LLM-enabled AI Materials Scientist under the Framework of Human-Machine Collaboration", arXiv:2411.08063 (2024)（プレプリント。掲載誌は確認できなかった） — arxiv.org/abs/2411.08063
- Mandal I. ほか "Evaluating large language model agents for automation of atomic force microscopy", Nat. Commun. 16, 9104 (2025), DOI 10.1038/s41467-025-64105-7 (要旨は arXiv:2501.10385 で確認) — arxiv.org/abs/2501.10385
- Liu S. ほか "MatTools: Benchmarking Large Language Models for Materials Science Tools", arXiv:2505.10852 (2025) — arxiv.org/abs/2505.10852
- Model Context Protocol "Specification" (確認した版：2026-07-28) — modelcontextprotocol.io/specification/latest
- Materials Project "Materials Project documentation" (DOE の取り組みで、材料の性質をあらかじめ計算して公開する、という説明) — docs.materialsproject.org/
- Jain A. ほか "Commentary: The Materials Project: A materials genome approach to accelerating materials innovation", APL Mater. 1, 011002 (2013), DOI 10.1063/1.4812323 — doi.org/10.1063/1.4812323
- NIST "CODATA Value: elementary charge" (2022 CODATA recommended values) — physics.nist.gov/cgi-bin/cuu/Value?e
- NIST "CODATA Value: Avogadro constant" (2022 CODATA recommended values) — physics.nist.gov/cgi-bin/cuu/Value?na
- ISO/IEC "ISO/IEC 22989:2022 Information technology — Artificial intelligence — Artificial intelligence concepts and terminology" （ISO のページ） — iso.org/standard/74296.html
- ISO/IEC "ISO/IEC 23894:2023 Information technology — Artificial intelligence — Guidance on risk management" （ISO のページ） — iso.org/standard/77304.html
- ISO/IEC "ISO/IEC 42001:2023 Information technology — Artificial intelligence — Management system" （ISO のページ） — iso.org/standard/42001
- NIST "Artificial Intelligence Risk Management Framework (AI RMF 1.0)", NIST AI 100-1 (2023年1月), DOI 10.6028/NIST.AI.100-1 — doi.org/10.6028/NIST.AI.100-1
- NIST "Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile", NIST AI 600-1 (2024年7月26日), DOI 10.6028/NIST.AI.600-1 — doi.org/10.6028/NIST.AI.600-1
14. 主張と出典の対応表（監査）
| 本文の主張 | 根拠 | 区分 |
|---|---|---|
| ChemCrow：18の道具、GPT-4、RoboRXN で DEET と3つの既知の触媒を自律合成、手順の自動修正、道具を個別に使っても同じ結果になりうるという記述、色素（目標369 nm、実測336 nm）、専門家4人とLLM評価者の評価の食い違い、標準的な評価手法が未確立という記述、道具の分類 | 出典1 https://doi.org/10.1038/s42256-024-00832-8 | 事実 |
| Coscientist：GPT-4 の Planner と4コマンド、隔離したコンテナでの実行、OT-2・Emerald Cloud Lab、鈴木・薗頭反応、GC–MS の確認、プレートの移動は人手・人による意思決定は無し、メソッド名の誤りの自己修正、検索を使わないモデルがイブプロフェンを誤る、ベイズ最適化との比較の注意書き、二重用途の検討 | 出典2 https://doi.org/10.1038/s41586-023-06792-0 | 事実 |
| LLaMP：RAG 型の階層的 ReAct エージェント、Materials Project、微調整なし、体積弾性率・バンドギャップ・生成エネルギーの誤りの軽減、混在するデータ源に由来するように見えるという記述、自己一貫性の指標 | 出典3 https://arxiv.org/abs/2401.17244 | 事実 |
| MDCrow：40の道具、25の課題、gpt-4o が低いばらつきで完了、llama3-405b が続く、指示文の影響 | 出典4 https://arxiv.org/abs/2502.09565 | 事実 |
| ChatMOF：3つの部品、検索96.9%・予測95.7%・生成87.5%（GPT-4） | 出典5 https://doi.org/10.1038/s41467-024-48998-4 | 事実 |
| CRESt：大規模マルチモーダルモデル、知識を使うベイズ最適化、ロボット、カメラと視覚言語モデル、900超の触媒の組成、3,500回の電気化学試験、3か月、8元系、コストあたりの性能9.3倍（著者の主張） | 出典6 https://doi.org/10.1038/s41586-025-09640-5 | 未確定／将来 |
| SciAgents（知識グラフと複数のエージェント、著者の主張）、AtomAgents（合金の設計）、MatPilot（人と AI の協働、自動実験）。後2者は掲載誌を確認できないプレプリント | 出典7 https://arxiv.org/abs/2409.05556 出典8 https://arxiv.org/abs/2407.10022 出典9 https://arxiv.org/abs/2411.08063 | 未確定／将来 |
| AFMBench・AILA：最新のモデルでも基本的な課題で苦戦、Claude 3.5 Sonnet が材料の質問応答に強いのにエージェントとしては不振、指示からの逸脱、指示文の脆さ、複数のエージェントが1つより良い。MatTools：69,225問、49課題・138小課題、3つの知見 | 出典10 https://arxiv.org/abs/2501.10385 出典11 https://arxiv.org/abs/2505.10852 | 事実 |
| MCP：LLM アプリと外部のデータ・道具をつなぐ公開のプロトコル、JSON-RPC 2.0、資源・プロンプト・道具、道具は任意のコード実行にあたる、呼び出し前の明示的な同意、プロトコル自体は原則を強制できない、確認した版 2026-07-28 | 出典12 https://modelcontextprotocol.io/specification/latest | 事実 |
| Materials Project が、材料の性質をあらかじめ計算して公開する DOE の取り組みであること | 出典13 https://docs.materialsproject.org/ 出典14 https://doi.org/10.1063/1.4812323 | 事実 |
| 素電荷 1.602176634×10⁻¹⁹ C、アボガドロ定数 6.02214076×10²³ /mol（CODATA 2022、定義値） | 出典15 https://physics.nist.gov/cgi-bin/cuu/Value?e 出典16 https://physics.nist.gov/cgi-bin/cuu/Value?na | 事実 |
| ISO/IEC 22989:2022、ISO/IEC 23894:2023、ISO/IEC 42001:2023 の番号・題名・状態（発行済み）・発行年月（2022年7月、2023年2月、2023年12月）。NIST AI 100-1（2023年1月）、NIST AI 600-1（2024年7月26日） | 出典17 https://www.iso.org/standard/74296.html 出典18 https://www.iso.org/standard/77304.html 出典19 https://www.iso.org/standard/42001 出典20 https://doi.org/10.6028/NIST.AI.100-1 出典21 https://doi.org/10.6028/NIST.AI.600-1 | 事実 |
| −0.52 eV/原子 × 96.485 ≒ −50.2 kJ/mol、約96倍のずれ。色素の差 369−336＝33 nm（約9%） | 本稿の計算（Python） | 本稿の計算 |
| CRESt の本文、Coscientist・ChemCrow の実験の数と成功の定義の詳細・独立した検証、LLaMP・MDCrow・MatTools・AFMBench の掲載版の数値、MCP を使った材料の装置制御の研究の内容、各モデルのライセンスと最新版での再試験、エージェントの材料研究への適用に特化した国際標準 | 本稿の調査範囲でアクセスできた一次情報では確認できなかったため記載していない | 解説 |
| 「LLM は道具を呼ぶだけで、値の妥当性は人が確かめる」「門と承認と装置側の制限」「段階0〜4」「任せやすい部分と専門家の判断が要る部分」「導入前に自社のタスクで測る」「自社の装置を道具として整える」という読み取り | 公表内容にもとづく本記事の整理・解説。各研究者や機関が表明した見解ではない | 解説 |
| 図2・図3・図4・図5・図6・図7・図8が概念図（図3は計算を含む）であること。図1・図9がImageGen生成の概念画像であること。図5の象限の位置は優劣を表さないこと | 本記事による注記 | 解説 |
最終更新：2026年10月22日／出典は一次情報（査読論文、arXiv の論文、MCP の公式仕様、ISO・NIST の公式ページ）に限定しています。数値例は本稿の計算で、実際のエージェントの結果ではありません。CRESt の本文、実験の数と成功の定義の詳細、独立した検証、各モデルのライセンスと最新版での再試験、エージェントの材料研究に特化した国際標準については、確認できなかったため記載していません。図1と図9はImageGen生成の概念画像で、ほかの図は説明用の概念図です。