AIが核融合の「59年来の予想」を覆す数式を発見――GPT-6 Astra Pro論文の中身と、経営者が学べる「AIとの分業」

1. 何が起きたか――9月に公開された2本の論文

2026年9月、同じ問題に答える論文が2本、ほぼ同時に論文の公開サーバーarXivへ投稿されました。どちらも査読を経る前のプレプリント（査読前論文）です。

SNSで「GPT-6 Astra Proが答えを見つけた」と紹介されているのは、このうちLandreman氏の論文です。謝辞には次のように書かれています。

These solutions were discovered using the artificial intelligence model GPT-6 Astra Pro, which was also used to draft parts of the manuscript. All equations were confirmed manually by the author.

（訳：これらの解は人工知能モデルGPT-6 Astra Proを使って発見した。同モデルは原稿の一部の下書きにも使った。すべての数式は著者が手作業で確認した。）

Landreman氏は論文の補足資料をGitHubで公開しており、そこには解を発見したときのGPT-6 Astra Proへの最初の指示とやりとりの記録、数式が平衡の条件を満たすことを確かめるノートブック、既存の数値計算コード（DESC）で作った平衡と論文の数式を照合するスクリプトが含まれています。

なお、GPT-6 Astra ProはOpenAIのモデルGPT-6 Astraを、より時間をかけて推論する「pro」モードで提供するもので、API仲介サービスOpenRouterの掲載情報では2026年9月4日に公開されました。

出典：Landreman「Analytic toroidal 3D MHD equilibria and steady Euler flows with invariant surfaces」arXiv:2609.26742（2026年9月22日投稿、9月28日改訂） / Gómez-Serrano, Liehr, Taylor「Counterexamples to Grad's conjecture」arXiv:2609.24739（2026年9月21日投稿） / GitHub「landreman/analytic_3d_equilibria」 / OpenRouter「GPT-6 Astra Pro」

2. ファクトチェック――SNSの説明と論文原文の照合

拡散している投稿の主な主張を、論文と報道で確認した結果は次のとおりです。

つまり、投稿の骨子は論文原文と一致しています。補足が必要なのは、「AIが単独で答えを出した」と読める点と、核融合の実用化への影響です。この2点は次の章以降で詳しく見ます。

出典：Landreman論文 本文（arXiv:2609.26742） / Gómez-Serrano氏ら論文 本文（arXiv:2609.24739） / Sato, Yamada「Steady Compressible 3D Euler Flows in Toroidal Volumes without Continuous Euclidean Isometries」arXiv:2408.16339（2024年8月） / JST サイエンスポータル「1億度超えるイオン温度を達成 核融合研が重水素実験で」（2017年4月25日）

3. 背景――Gradの予想とは何だったのか

ドーナツ型の磁場で、超高温のプラズマを閉じ込める

核融合発電では、1億℃を超えるプラズマ（原子核と電子がばらばらになった気体）を容器の壁に触れさせずに保つ必要があります。そのために、ドーナツ（トーラス）状の磁場の「かご」を作ります。理想は、圧力が等しい面が玉ねぎの皮のように何層も入れ子になり、プラズマが外へ押し出す力と磁場が押し返す力がどこでも釣り合っている状態です。これを「平衡」と呼びます。

代表的な方式は2つあります。ドーナツを輪切りにしたどの断面でも同じ形になる（軸対称な）トカマク型と、磁場のコイル自体をねじって3次元の複雑な形にするステラレーター型（日本のヘリカル型もこの系統）です。ステラレーター型は長時間の連続運転に向くとされる一方、対称性がないため、平衡の数学が格段に難しくなります。

「対称性がなければ、きれいな平衡は作れないのでは」

米国の物理学者Harold Gradは1967年の論文で、軸対称などの対称性がない場合に、滑らかな圧力分布を持つ平衡が一般的に存在するとは「非常に考えにくい」と述べました。その後この見立ては、「平衡の形を少し変えても別の平衡が見つかる（連続的な族になっている）滑らかな3次元平衡は、反射・軸・らせんのいずれかの対称性を持つはずだ」という予想として研究されてきました。

この予想が問題になるのは、ステラレーターの設計に使う数値計算コードの多くが「入れ子の面がきれいに存在する」ことを前提にしているからです。もし厳密にはそうした平衡が存在しないなら、計算は近似として何を表しているのかという疑問が残ります。今回の2本の論文は、少なくとも特定の条件では、対称性のない滑らかな平衡が実際に存在することを示しました。

出典：Landreman論文 本文（Grad, H. 1967「Toroidal containment of a plasma」Physics of Fluids 10, 137–154 を引用） / The Neuron「Two Papers Challenge Grad's 59-Year-Old Fusion Conjecture」（2026年9月29日） / BinaryVerse AI「Grad's Conjecture: AI And The New Fusion Counterexamples」（2026年）

4. 分かったこと・まだ分かっていないこと

「AIが核融合の難問を解いた」という見出しから、核融合発電が一気に近づいたと受け取るのは早計です。論文と報道が示す範囲を整理します。

The Neuronは専門家の見方として、構成された磁場の一つは中心軸上でゼロになるため装置の設計にはそのまま使えないこと、実際の炉では熱の保持や乱れへの強さ、コイルの工学が引き続き課題であることを伝えています。AIニュースサイトThe AI Insiderも、今回の研究はプラズマの安定性や実用的な炉の設計を示したものではなく、数学的に可能かどうかに答えたものだと整理しています。

筆者の見立てとしては、今回の成果の価値は「核融合が早まる」ことより、「長年の理論上の疑問に具体的な答えが出た」ことと「その発見にAIが中心的に使われ、しかも過程が公開された」ことにあります。

出典：The Neuron（2026年9月29日） / The AI Insider「AI Helps Researcher Find Exact Solutions to a Longstanding Fusion Physics Problem」（2026年9月30日） / Landreman論文（arXiv:2609.26742）

5. 経営者への影響――「AIとの分業」の2つの型

核融合の数学は中小企業の日常業務から遠い話に見えます。しかし、2本の論文の謝辞と補足資料は、高度な専門家がAIとどう役割を分けて成果を出したかを具体的に記録した、貴重な実例でもあります。ここからは筆者の分析です。

型1：AIに探索させ、人間が検証する（Landreman氏）

Landreman氏はステラレーターを専門とするプラズマ物理学者です。解の発見はAIとの対話から生まれましたが、何を探せばよいかという問いの立て方と、出てきた数式が本物かを判定する手段（手計算と数値コードでの照合）は、専門家の側が持っていました。AIの出力を「候補」として受け取り、独立した方法で確かめた点が要です。

型2：人間が道筋を設計し、AIに細部を任せる（Gómez-Serrano氏ら）

数学者チームは、問題設定と解の作り方の詳しい道筋を先に人間が作り、計算の詰めや証明の細部をAIに任せました。さらに、AIが書いた証明をLeanという機械で検証できる形式に直し、人間の目と機械の両方で確認しています。論文には、最終段階のモデルは校正にも使ったが数学的な内容には貢献していない、と役割の範囲まで書き分けられています。

中小企業の業務に置き換えると

AIの性能が上がるほど、AIが出す「それらしい答え」は増えます。そのとき差がつくのは、正しい問いを立てられる専門性と、答えを確かめる仕組みを持っているかどうかです。今回の論文で数式の確認を研究者自身が引き受け、その責任を明記したことは、AIを使う側の責任の取り方の手本にもなります。

核融合産業そのものへの目線

政府は2025年6月に改定した「フュージョンエネルギー・イノベーション戦略」で、2030年代の発電実証を目指す方針を掲げています。国内では、ヘリカル型の商用炉を目指すスタートアップHelical Fusionが2026年5月までに公的資金や融資を含め累計約98億円を調達し、高温超電導マグネットの検証を進めています。今回のような理論の進展とAIによる設計の高速化は、こうした企業の開発を後押しする材料になり得ます。超電導線材、精密加工、真空・冷却機器といった周辺の部材で取引の機会を探る製造業にとっては、中長期の動向として追っておく価値があります。

出典：Gómez-Serrano氏ら論文 本文（arXiv:2609.24739） / GitHub「landreman/analytic_3d_equilibria」 / 内閣府「フュージョンエネルギー」（フュージョンエネルギー・イノベーション戦略 2025年6月4日改定） / KEPPLE「フュージョンを産業にする──Helical Fusion、約27億円調達で最終実証装置の建設進める」（2026年5月1日）

6. 取り得る行動――今できる4つのこと

1. AIには「答え」ではなく「候補」を出させる：一つの正解を求めるより、条件を明示して複数案を出させ、人間が選ぶ方が成果につながりやすくなります。Landreman氏も、出てきた解を候補として扱い、確かめてから採用しています。
2. 検証手段を先に決めてからAIに頼む：数値なら表計算での再計算、法令や制度なら一次資料、顧客向けの文面なら担当者の確認など、「何をもって正しいとするか」を依頼の前に決めておきます。検証できない用途に、AIの出力をそのまま使わないことが重要です。
3. 指示文と確認結果を記録に残す：Landreman氏はAIとのやりとりを公開し、第三者が追試できるようにしました。社内でも、重要な判断に使ったAIの指示文・出力・確認結果を保存しておけば、後からの説明や改善に使えます。
4. AI利用の開示ルールを決めておく：取引先への提案書、各種の申請書類、顧客向けの資料などで、AIをどこまで使い、誰が確認したかをどう示すかを社内で決めておきます。研究の世界で謝辞への明記が広がっているように、取引の場でも開示の有無が信用に関わる場面が増えていくとみられます。

AIを組織に根づかせる段取りは、ChatGPT導入とAIネイティブな組織の違いを解説したコラムも参考になります。AI活用を事業計画に織り込む際は、開業シミュレーターで人件費や外注費の前提を試算しておくと判断しやすくなります。