NTTは2026年8月25日、AIを科学研究の高度化・高速化に活用する「AI for Science」の取り組みとして、AIとロボットを組み合わせて半導体材料の実験を自律的に進める「解釈可能な自律成膜」を実証したと発表した。
AI for Scienceでは、材料探索や創薬などで大量の実験・計算データをAIで解析し、研究者による試行錯誤を効率化する研究が進んでいる。材料開発では、温度やガス流量など多数の条件を変えながら実験する必要があり、AIによって有望な条件を効率的に探す手法が活用され始めている。
NTTは今回、半導体材料の表面に薄い膜を形成する「成膜」を対象に、成膜、品質評価、次に試す条件の決定を自動で繰り返す実験基盤を構築した。AIが過去の実験結果を踏まえて次の条件を決め、装置やロボットが実験を実行する仕組みで（一部の作業は人が担っている）、技術者や研究者が実験を運用する場合と比べて、成膜と評価のサイクルを約3倍に高速化した。
特徴は、AIが単に最適な実験条件を探すだけではなく、その過程で蓄積したデータを解析し、「どの条件をどのように調整すれば品質が高まるか」という人が解釈できるルールとして取り出せるようにした点にある。従来のAIによる自律実験では、良好な条件が見つかっても、その理由が分かりにくく、得られた結果を別の材料や実験装置に応用しにくいという課題があった。
実証では、次世代パワー半導体材料として期待されるβ型酸化ガリウムを対象に自律実験を行い、大面積化や低コスト化に向く成膜手法（スパッタ法）としては世界初となる高品質な単結晶薄膜を作製した。さらに、実験データの解析から品質向上につながる成膜条件の調整ルールを抽出。このルールに沿って研究者が改めて条件を調整したところ、薄膜の品質を示す指標がさらに改善し、抽出したルールが実際の条件最適化に役立つことも確認された。
NTTは今後、対象を半導体材料だけでなく酸化物材料や量子材料などにも広げ、実験の自動化・知能化を進める。AIが実験条件を探索するだけでなく、実験を通じて科学的な知識そのものを生み出す「次世代AI駆動型ラボ」の実現を目指す。
なお、本研究成果は2026年8月13日、学術雑誌「Nature Communications」に掲載された。