北京中関村学院と中関村AI研究院のAI材料研究所が、材料研究向けエージェント基盤「MatOS」をGitHubで公開した。資産庫はデータセット3,135件、技能386件、ワークフロー104件、専門家ロール51件、材料計算ソフト48本で構成する。材料ソフト操作の基準MatToolsでは完全問題成功率97.96%を記録し、Codex CLIの95.92%、Claude Codeの89.80%を上回った。

なぜ材料研究でエージェントは完走できないのか
材料の探索は、数千万の候補構造を段階的に絞る、数百の合金配合を反復するといった形を取る。数日単位で走り、途中の結果で計画を変える。新しいデータベースやソフトを繋ぐたびに手順を組み直す必要があり、ある研究で得た勘所は次の研究に引き継がれない。チームはこの3点を、接続と状態と再利用の問題として整理した。
三つの設計。資産・状態・進化
一つ目は階層的な科学資産グラフだ。データ、知識、ツール、技能、ロール、ワークフローの6種を資産として登録し、依存、呼び出し、証拠、検証の関係で結ぶ。技能は「いつ使い、どの手法を選び、何を前提に、どう検査するか」を書いた手順書にあたる。
二つ目は状態を持つ適応型ワークフローである。実行グラフの各ノードに目標、入出力、完了条件、参照資産を書き、系は図に沿って進行と検査を行う。判断が要る箇所だけをモデルに渡し、人による確認が必要な工程は人手ノードにできる。実行グラフの写し、ノードの状態、結果、事象はモデルの対話とは別に保存される。
三つ目は証拠に基づく資産の進化だ。利用者の訂正、失敗したツール呼び出し、繰り返される操作が改訂の手掛かりになる。分子動力学の平衡時間が短いという指摘があれば、技能の50psを200ps以上へ変え、原子拡散が定常に入ったかを確かめる検査を足す。改訂案は構造検査とモデルによる意味審査を通ったものだけが採用され、次の任務の結果がまた証拠になる。学習はモデルの外の資産に溜まり、基盤モデルのパラメーターは変わらない。
数字で見る評価
| 評価 | MatOS | 比較対象 | 差分 |
|---|---|---|---|
| ResearchClawBench 平均(GPT-5.4) | 19.46 | MIRA(最良基線) | +11.15% |
| ResearchClawBench 材料タスク | Codex CLI比 +80.8% | MIRA比 +18.7% | 12タスク |
| MatTools 完全成功率(DeepSeek-V4-Pro) | 97.96% | Claude Code 89.80% | +8.16ポイント |
| SciAgentGym 案例成功率 | 59.5% | Codex CLI 57.1% | +2.4ポイント |
| 単タスク平均費用 | 0.85ドル(DeepSeek-V4-Flash) | Codex CLI 2.70ドル | 約3分の1 |
大規模篩いでは、30,364,908件の初期構造から97件の固体電解質候補を残した。計算上の導電率は最高59.0mS/cmである。半導体封止向けの合金設計では286配合を評価し、最高スコアを0.534から0.927へ上げた。上位のPb-Ag-Pt-Sn系は297.75°Cで溶け始め、4.55°C上がった時点で液相率が80%に達する。溶融点予測モデルDuoCompNetの平均絶対誤差は28.40°Cから3.18°Cへ下がり、比較6モデルで最小、次点のRoostより13.6%低い。
日本企業にとっての意味
資産がモデルに縛られない点は導入判断で効く。同じ資産群をGPT-5.4とDeepSeek-V4系の両方で評価し、単タスク費用はDeepSeek-V4-Flash構成で約0.85ドル、Codex CLIの2.70ドルを下回る。
よくある質問
Q. MatOSは無料で使えるのか。
コードはGitHubで、技術報告はarXivで公開されている。個別のライセンス条件はリポジトリで確認する必要がある。
Q. 特定のモデルに縛られるのか。
縛られない。同じ資産群をGPT-5.4とDeepSeek-V4系の両方で評価し、どちらでも基線を上回ったと報告している。
Q. どんな作業が得意なのか。
大規模な候補篩い、分子動力学、配合設計、新手法の開発だ。8つの研究案例で実証されている。
編集部の見解
材料研究のエージェントは、賢いモデルを載せるだけでは回らない。どこで何を確かめたかを記録し、次の研究で使える形に残す仕組みが要る。MatOSが資産をモデルの外に置いた判断は、モデルを乗り換える前提の設計だ。日本の材料メーカーにとっては、社内の暗黙知をどう書き出すかが導入の本体になる。
my-best.ai 編集部
出典:36Kr「材料科学エージェントMatOSが正式にオープンソース化。材料研究タスクの成功率を大きく高める」(寄稿:量子位、2026年11月17日)
あわせて読みたい
- 1万体のAIエージェントが88時間でナビエ・ストークスに到達。1千万ドルの計算と未請求の100万ドル
- 1000万トークンのprefillを22.7倍速く。Latent Sparse Attentionが指す「探す側」の壁
- Claudeが会議に参加する時代。AnthropicのClaude MeetingsはMeet中に議事録と日程表をその場で出す
本日の36Kr AI版の記事を日本語で整理したものです。最新記事の一覧から他のニュースも読めます。
最新のAI情報をメールで受け取る
新着のAIツール比較・ランキング・ニュースを、まとめてお届けします。
ご登録後、確認メールをお送りします。配信停止はいつでも可能です。
