アニマ・アナンドクマール（Anima Anandkumar）氏が2026年8月26日(現地時間)、メディア「Latent Space」のインタビューに応じ、AIを活用した物理世界のモデル化について語った。同氏は、気象や核融合炉といった物理現象をAIで再現する取り組みを進めており、特に初のオープンソース気象モデルFourCastNetの開発に携わった。このモデルは、既存の物理ベースシミュレーションに匹敵する高い予測精度を実現し、消費者向けGPUでも短期間の気象予測を可能にしている。
アナンドクマール氏はAI分野で20年の経験を持ち、古典的な数学から深層学習までを横断してきました。現在は、気象から核融合炉に至るまで、物理世界をモデル化するためにAIを活用しています。同氏のチームが開発した気象予測モデルFourCastNetは、1年以内に完成し、利用可能な最高の物理ベースシミュレーションと競合する精度を示しています。これにより、短期間の気象を消費者向けGPUを使用して正確に予測することが可能になりました。
気象、核融合、流体や熱の流れといった物理システムは、大規模でカオス的、かつ多スケールであるため、モデリングが極めて困難です。AIコミュニティはこれまでこの分野をやや軽視してきましたが、今後急速な成長が予想されています。この領域では、一般的なAI分野で浸透している「スケールアップ」のアプローチが困難です。データセットは限定的で、物理が要求する高解像度はコンテキスト長を数百億にまで押し上げるため、大量のトークンを投入する手法は現実的ではありません。アナンドクマール氏は、各次元が数百グリッド点に達する場合、コンテキスト長は数百億から1兆にもなる。このスケールでTransformerを持つことは不可能であり、世界の全計算資源でも足りないだろうと述べています。この分野の進歩は、構造と帰納バイアスを組み込むことによって達成されます。
これらのシステムに対処するため、アナンドクマール氏は過去10年間のAIにおける最も優れた理論的発展の一つとされるNeural Operatorsという技術を開拓しました。この技術は、データと物理法則を組み合わせることで、多スケールの入力と出力に対応します。これにより、アナンドクマール氏のチームは物理的な直感に基づいた事前知識をモデルに組み込むことが可能になりました。Fourier Neural Operatorは周波数領域で直接学習を行い、その球面変形が全球の気象をモデル化し、長期的に安定して稼働するFourCastNet 3を支えています。また、核融合の分野では、Neural Operatorsを用いることで数千のサンプルからプラズマ破壊を予測でき、従来のシミュレーションよりも100万倍高速な結果を出しています。
アナンドクマール氏の究極の目標は、多くの現象をカバーし、シミュレーションと設計の両方を行う「物理学のための基盤モデル」を構築することです。これは、データが揃うのを待つのではなく、物理世界が既に持つ構造をモデルに組み込むことで達成されると見られています。同氏は深層学習でうまくいくことすべてを取り入れ、それをもう少し原理的にすると語っています。さらに、アナンドクマール氏は、PyTorch風のネットワークを証明支援系Lean内で記述し、形式的に検証できる新しいフレームワーク「TorchLean」を開発しました。これはニューラルネットワークの限界を証明する上で重要な進展です。また、同氏は国連科学諮問委員会（United Nations Scientific Advisory Board）に任命されており、科学分野のAIが世界の人々の生活を改善することを目指し、政策にエビデンスベースの視点をもたらすことを目標としています。
参考: Latent Space — 2026年8月27日 00:15 (JST)
原文ハイライト"We have foundation models for language, not for physics"