Author: Marie - 1ban.news

石油とガスを求める世界的な探査は、より深い海域へと移行している。深海部への投資は2026年に2000億ドルを超え、過去10年間の平均の2倍となる見込みで、累計支出は2035年までに2.5兆ドルに達する可能性がある。Natureに掲載された新たな分析が提起する問題は、この掘削が必要かどうかではなく、生態学的リスクを正当化できるほど安全に実施できるかどうかである。 過去10年間に国際的な大手石油会社7社が発見した確認埋蔵量の70％以上は、水深400メートル（1312フィート）以上の海域から得られたものである。深海の貯留層は、平均して陸上での発見の16倍の規模を持つ。その採掘コストは、平均で1バレル約43ドル、ブラジルの油田では30〜40ドルと、米国の多くのシェール事業と競合するか、それよりも安価である。 「再生可能エネルギーを構築している間に、石油とガスを一夜にして止めることはできない」と、中国・西安のCNPCチューブラーグッズ研究所の上級科学者でNatureのコメンタリーを執筆したYuxin Zhao氏は述べる。「しかし、それだけでは生物多様性の損失が許容可能な運用コストであることを正当化できない」 推進力を支える技術 深海掘削は、一連の工学的進歩によって変革された。浮体式生産貯蔵積出設備(FPSO)、すなわち数年にわたり接岸せずに洋上で石油を処理・貯蔵できる船舶が標準となっている。南シナ海で操業する中国の「海葵一号」は、1日あたり約5600トン（6173米トン）の石油を処理し、15年もの間、帰港せずに操業できる。 デジタルツイン、すなわちリアルタイムのセンサーデータによって駆動される物理シミュレーションにより、事業者は腐食、疲労、および潜在的な漏洩を障害に発展する前に検出できる。遠隔操作車両(ROV)と自律型水中ビークル(AUV)は、有人運用には深すぎるか危険な条件下で構造物を点検する。 最も重要な進歩は、海底から1500メートル（4921フィート）未満のガス層、すなわち洋上噴出の20％以上を占める極浅層ガス層を掘削できる能力である。地震探査とデジタルモデリングにより、エンジニアは天然のメタンハイドレートキャップを特定・保存しながら掘削できるようになった。この技術は、世界初の大規模超深海極浅層ガス田とされる南シナ海の陵水36-1ガス田で実証された。 リスクは解決されていない 2010年のディープウォーターホライズン事故は、深海リスクの決定的な基準点であり続けている。1つの坑井の故障により、87日間で300万バレル以上の石油が流出し、1600キロメートル（994マイル）以上の海岸線が汚染された。業界はそれ以来、噴出防止装置の技術を改善してきたが、極深海の条件下、すなわち高圧、強流、視界不良は依然として課題である。 洋上事業からのメタン排出は慢性的に過小報告されている。MethaneSATやSentinel-5Pなどの機器からの衛星データは、洋上プラットフォームからのベントおよびフレアリング排出が公式インベントリより平均50％高いことを示唆している。Zhao氏は、衛星監視と航空ドローンおよびROVを連携させた独立した検証により早期に漏洩を特定すること、および低排出で検証可能であることを実証できないプロジェクトへの罰則を主張している。 深海掘削のガバナンスは断片化されている。ほとんどのプロジェクトは沿岸国の排他的経済水域内にあり、各国の規制が適用される。それらの水域を超えると、国際的な監視は弱く、海底の法的枠組みはますます争われるようになっている。 エネルギー転換のパラドックス 深海投資の急増は、根本的な緊張関係を反映している。天然ガスは、石炭よりも炭素排出量が少なく、再生可能エネルギーの間欠性を補い、AIデータセンターへの電力供給にますます必要とされる橋渡し燃料として広く見なされている。しかし、深海からの採掘には、陸上掘削よりも管理が難しいリスクが伴う。 Zhao氏の分析は、プロジェクトのケースバイケースの正当化を求めており、事業者は生態学的被害を回避できること、排出が検証されること、障害が封じ込められること、および生産寿命を超えて責任が維持されることを証明する必要がある。業界が今後計画されている規模、すなわち今後10年間で2.5兆ドル規模でこれらの基準を満たせるかどうかが、深海が新たなエネルギー frontier となるのか、それとも環境負債となるのかを決定づけるだろう。 雅子 訳

原子核の周りを回る電子は、空間のどの点で電子が見つかる確率があるかを記述する形状（球体、ダンベル型、クローバー型）を占めている。ほとんどの物質では、これらの軌道はランダムな方向を向いている。しかし、新たに発見された量子状態では、軌道が自発的に周期的なパターンに整列し、鉄原子が磁気的な方向を選ぶのと同じくらい明確に方向を選択する。この発見は、純粋な軌道秩序のこれまでで最も明確な実験的証拠を提供するものであり、『Nature Physics』に掲載された。 この発見は、Tb₂CoAl₄Ge₂（テルビウム、コバルト、アルミニウム、ゲルマニウム）という金属間化合物でなされた。角度分解光電子分光法（ARPES）を用いて、紫外線によって物質から放出される電子のエネルギーと運動量を測定したところ、研究者らは特徴的なバンド構造の指紋を観測した。すなわち、表面のテルビウム原子の5d軌道が秩序だったパターンに配列し、結晶格子の回転対称性を破っていたのである。 「自発的対称性の破れ状態」と表現される軌道秩序は、凝縮系物理学において最も捉えどころのない概念の一つである。 第三の自由度 固体物理学において、電子には電荷、スピン、軌道の三つの基本的な自由度がある。電荷秩序（電子密度の周期的変調）は、電荷密度波などの現象を担っている。スピン秩序は磁性（強磁性、反強磁性、そして近年認識されたアルター磁性）を生み出す。第三の兄弟である軌道秩序は、はるかに孤立させることが困難であった。 その困難はもつれに起因する。ほとんどの物質では、軌道秩序は格子歪み、スピン配置、電荷変調と強く結合している。軌道が秩序化すると、格子がわずかに歪むことがある（ヤーン・テラー効果）。格子が歪むと、スピンを特定の配置に押し込む可能性がある。その結果は、論文の著者らが指摘する「鶏が先か卵が先か問題」であり、どの秩序がどれを駆動しているのかを判別することがしばしば不可能である。 Tb₂CoAl₄Ge₂という化合物はこの問題を回避する。軌道秩序は、格子歪みや磁気転移を伴わずに表面に現れ、単独で研究できるほぼ純粋な軌道秩序の稀な例となっている。 重要性 軌道秩序は、凝縮系物理学における最も不可解な現象のいくつかに理論的に関与していると考えられている。巨大磁気抵抗を示すマンガン酸化物化合物であるマンガナイトでは、軌道秩序が相図の形成に fundamental な役割を果たすと考えられている。鉄系高温超伝導体では、軌道秩序がネマティック相（目に見える構造変化なしに物質の電子特性が方向依存性を持つ状態）の原動力として提案されている。 これまで、軌道秩序を付随する格子効果やスピン効果から分離できなかったため、これらの関連性は理論的なままだった。Tb₂CoAl₄Ge₂の表面は、研究者が軌道物理学に関する予測を単独で検証できるクリーンな実験プラットフォームを提供する。 隠れた秩序への窓 この発見はまた、方法論的進歩を示している。ARPESは数十年にわたって電子バンド構造の研究に使用されてきたが、軌道秩序はARPESスペクトルに独特のシグネチャ（軌道配置の対称性の破れを反映した電子バンドの分裂）を残す。研究者らはこのバンド分裂を分析し、軌道整列のパターンを抽出した。 テルビウムの5d軌道（比較的拡散した外殻軌道）が、注目すべき適切な対象であることが判明した。その空間的広がりにより局所的な電子環境に敏感であり、結晶表面での位置によりバルクからの干渉を受けずにARPESで観測可能である。 この発見は量子材料研究の新たな章を開く。軌道秩序を孤立させることができれば、それを操作することができ、操作できれば、それを利用するように設計された材料に組み込むことが可能になり、量子デバイス設計のツールキットに軌道物理学を加える可能性がある。 雅子 訳 この記事はクリエイティブ・コモンズ 表示 4.0 国際ライセンスの下で利用可能です。Nature Physics に掲載された原著報告を要約したものです。

発表された神経科学の知見のかなりの部分が再現できないことを示す証拠が増えている。問題は不正やずさんさではなく、脳研究が行われる統計的構造に根ざしており、その教訓は再現率を超えて、脳機能をいかに推論するかという根本的な問いにまで及ぶ。 神経科学における再現性の危機は、単一の失敗した研究ではなく、パターンである。特に脳と行動の画像研究は再現が難しいことがわかっている。独立した研究所が同じ方法を用いて発表された実験を繰り返すと、異なる結果が得られることが多い。当初の知見と再現の試みとの間のギャップは、一部の研究者が神経画像文献のどれだけが確固たる基盤に立っているか疑問視するほどに広がっている。 根本的な問題は統計的検出力、あるいはその欠如である。特に機能的磁気共鳴画像法を用いた多くの神経科学研究は、20〜30人の被験者というサンプルサイズで行われている。これらの小さなサンプルは、脳活動の推定値にノイズが多く含まれる原因となる。20人スキャンで「活性化」したように見える脳領域が、別のスキャンでは現れないことがある。これは最初の知見が間違っていたからではなく、信号対雑音比が小さなサンプルでは確実に検出するには単純に低すぎるからである。 この問題は分析の柔軟性によってさらに悪化する。10万ボクセル（3Dピクセル）のfMRIデータセットは、何千もの正当な方法で分析できる。ある分析パイプラインを実行し有意な結果を見つけた研究者は、真の神経信号ではなく、ノイズの偶然の特徴に乗っている可能性がある。別のパイプラインを使用するか、同じパイプラインでも新しいサンプルで行う再現の試みは、何も見つけない。 これが脳科学にとって意味すること 再現性の問題は、神経科学が脳機能をどのように推論するかの再考を余儀なくさせた。課題中に脳領域が「光る」ことを示す単一のfMRI研究は、それだけでその領域がその課題に必要であることを確立するわけではない。それには、病変研究、動物モデル、経頭蓋磁気刺激などの因果的手法からの収束的エビデンスが必要であり、多くの発表された研究はそれを提供していない。 良い知らせは、この分野が対応していることだ。Many Labsプロジェクトや国際脳研究所などの大規模な多研究所共同研究は、個々の研究所が単独では決して達成できないサンプルサイズで調整された再現を実施している。例えば2021年の国際脳研究所の取り組みでは、マウスの標準化された行動課題が7つの研究所で一貫した結果を生み出すことが示され、方法が厳格に標準化されれば再現が可能であることが実証された。 事前登録（データ収集開始前に分析計画を公開レジストリに提出すること）はより一般的になりつつある。Nature NeuroscienceやNeuroImageなどのジャーナルは、特定の記事タイプに事前登録を義務付けている。一部の助成機関は再現研究を直接支援している。 より深い教訓 神経科学における再現性の危機は、時に信頼性の危機として説明されるが、統計的謙虚さの教訓として理解したほうが良いかもしれない。人間の脳は既知の宇宙で最も複雑な物体であり、約860億のニューロンが数兆のシナプス結合を形成している。小サンプル研究がその機能を確実にマッピングできると期待するのは、常に楽観的すぎた。 より大きなサンプル、標準化されたプロトコル、事前登録された分析への移行は、古い文献が価値がなかったことを意味しない。この分野が信号とノイズを区別するためのより良いツールを開発しており、その過程で、脳は研究者が考えていた以上に研究が難しいことを学んでいるのである。 出典: Live Science (2026),「Neuroscience findings often can’t be replicated, and it’s a big problem for what we know about the brain」; International Brain Laboratory (2021),「Standardized and reproducible measurement of decision-making in mice」, eLife; Many Labs再現プロジェクト; fMRI再現性に関する各種メタ分析。 雅子 訳

現在のAIシステムのほとんどは、トランジスタを毎秒何十億回もオンとオフに切り替えることで動作し、膨大なエネルギーを消費している。著名なAI研究者らが設立したスタートアップ企業は、根本的に異なるアプローチを提案している。それは、まったくスイッチングを行わず、物理的な発振器が同期パターンに落ち着くままにさせ、その結果を画像と呼ぶチップである。 Unconventional AIは、Naveen Rao氏（Databricks、Nervana Systems、Intel出身）、Michael Carbin氏（MIT）、Sara Achour氏（Stanford）、そして元GoogleエンジニアのMeeLan Lee氏によって設立され、6月に最初のモデルをリリースした。Un-0と呼ばれるこのモデルは、従来のトランジスタ論理回路ではなく、結合発振器をシミュレーションしたネットワーク上に構築された画像生成器である。同社は、このアーキテクチャが従来のAIハードウェアよりも1000倍のエネルギー効率を実現できると主張している。 この主張は驚異的だが、その背後にある物理法則はそうではない。 計算としての同期 原理は、結合発振器の振る舞いを数学的に記述する蔵本モデルから導かれている。共有面上に置かれた2つのメトロノームが、わずかに異なるテンポで刻みながら、徐々に同期し、最終的に同じリズムに同調する。同じ現象は、一斉に光るホタル、心臓のペースメーカー細胞、脳のニューロンにも見られる。 Un-0のアーキテクチャでは、数千の仮想発振器が物理的にリンクされている。各発振器は位相、すなわちサイクルにおける現在位置を表す角度を持つ。発振器ネットワーク全体の位相角度の異なるパターンが、異なる画像をエンコードする。「靴」はある位相構成で表現され、「電車」は別の構成で表現される。 画像を生成するには、小さな発振器サブグループが目的の位相パターンにプリセットされる。これが「プロンプト」である。ランダムな位相の発振器からなるより大きなグループに接続されると、制御グループがシステム全体を目的のパターンとの同期へと引き寄せる。収束後、結果として得られる位相値のグリッドがデコーダーに供給され、数値がピクセル色に変換される。 効率性の源泉 従来のAIチップでは、すべての演算においてトランジスタがオンとオフの状態を切り替える必要があり、そのたびにエネルギーを消費する。大規模モデルの単一推論には、数兆回ものスイッチングが関与する可能性がある。 発振器ベースのアプローチは、離散的なスイッチングを連続的な物理ダイナミクスに置き換える。電流は自然に発振する閉ループを流れる。強制的なスイッチングはなく、トランジスタを保持するためのエネルギーの無駄もない。システムは、段階的な論理計算ではなく、同期の物理学を通じて答えに到達する。 「結合蔵本発振器のシステムは、これまでにないスケールで物理ダイナミクスによる学習の可能性を提供する」と同社はUn-0を発表するブログ投稿で述べている。 ベンチマークが示すもの 現在のUn-0のバージョンは、物理的なハードウェアではなく、発振器のソフトウェアシミュレーション上で動作する。同社の目標は、カスタムの発振器ベースチップを構築することである。 標準的な画像生成ベンチマークでは、Un-0はGoogleのBigGANやOpenAIのiDDPMなどの初期の画像生成モデルと同等のFID（Fréchet Inception Distance）スコアを達成した。16,384個の発振器を使用して、ImageNet 64×64でFID 6.74を記録した。これは、生成画像が参照画像にどれだけ近いかを測定する指標であり、値が低いほど良い。 これらの結果は、現在の最先端には及ばない。「従来の生成器は、絶対的な品質とパラメータ効率において依然として優れており、新しいアルゴリズムとモデルアーキテクチャでそのギャップを埋めることが今後の課題です」と同社は認めている。 今後の展望 Un-0は概念実証であり、商用製品ではない。発振器のソフトウェアシミュレーションから、1000倍の効率向上を実現する物理チップへの道のりは長く、不確実である。同社はLightspeed、Andreessen Horowitz、Sequoia、Jeff Bezosの支援を受け、45億ドルの評価額で4億7500万ドルのシード資金を調達しており、投資家が待つ覚悟があることを示唆している。 この研究のより深い意義は、商業的なものではなく、アーキテクチャ的なものかもしれない。AIハードウェアにおける標準的な前提は、より良いチップはより高速なトランジスタを意味するというものだ。Un-0は、計算が論理というよりも物理、すなわち答えをエンコードした同期状態に落ち着く結合要素のネットワークのように見える可能性があるかどうかを問いかけることで、その前提に挑戦している。 雅子 訳

新たに発表された設計により、6軸力・トルクセンシングのための複雑なマルチセンサーアセンブリが、単一のモノリシック圧電セラミックシェルに集約され、従来の手法に伴う複雑さ、コスト、故障箇所が排除される。この研究成果は『Nature Communications』に掲載された。 中国の研究者らが開発したこのセンサーは、モノリシック（単一ピース）の圧電セラミックシェルを採用し、加えられた力やトルクによって変形する。変形によりセラミック表面に電荷が生じ、複数の電極における電荷分布パターンを測定することで、システムは加えられた負荷の6成分すべてを個別に解析できる。 鍵となる革新は形状にある。多軸力・トルクセンサーは、実際の物体に任意の荷重が加えられたときに複雑に重なり合う異なる変形モード（圧縮、曲げ、ねじり、せん断など）を区別しなければならない。従来の設計では、それぞれ特定の軸に合わせた個別のセンシング要素を使用し、その出力を計算上で組み合わせることで対応してきた。 モノリシックシェルは同じ問題を逆方向に解決する。多数のセンサーが孤立した変形を測定する代わりに、1つのセンサーが完全な変形場を測定し、シェルの形状と電極の配置によってデカップリングが行われる。圧電効果（機械的応力に応答して電荷を生成する現象）は線形かつ再現可能であり、印加力と測定電荷の関係を一度校正すれば信頼して使用できる。 重要性 6軸力・トルクセンサーはロボット操作に不可欠である。ペグを穴に挿入したり、部品を組み立てたり、人間とインタラクションしたりするロボットアームは、自身が加える力と、その動きに抵抗するトルクの両方を感知する必要がある。現在のセンサーは高価で、大型で、機械的に複雑である。 単一のセラミック片として製造できるモノリシックセンサーは、コスト、サイズ、信頼性の面で利点をもたらす。管理すべき組立公差がなく、時間とともに劣化する接着剤もなく、個別のセンシング要素間の位置合わせの問題もない。センサーは十分に薄く作ることができ、ロボットの関節やエンドエフェクタに直接統合しても、かさばらない。 論文では高い感度とデカップリング精度が報告されており、センサーは最小限のクロストークでX軸に沿った力とY軸に沿った力を区別できる。具体的な数値性能指標は論文全文で確認できる。 圧電センシングの物理 圧電セラミック材料は、機械的なひずみを受けると電荷を生成する。電荷量はひずみの大きさと方向の両方に依存する。シェル表面に複数の電極をパターニングし、各電極の電荷を独立して測定することで、研究者らは電気応答の空間パターンから完全な6成分力・トルクベクトルを再構成する。 課題は、印加負荷と電荷分布の関係が直感的ではないことにある。それはシェルの形状、材料特性、電極配置、境界条件に依存する。研究者らは有限要素モデリングを用いて、デバイスの製造前にシェル形状と電極位置を最適化した。 その結果、ポストプロセッシングやアルゴリズムによる補正ではなく、本質的な機械設計によって性能を達成するセンサーが実現した。デカップリングを行うのは物理構造であって、ソフトウェアではない。 応用 ロボット工学以外にも、モノリシック6軸センサーは、工具力をリアルタイムで監視する必要がある精密製造、仮想現実および拡張現実用の触覚フィードバックシステム、生体組織との相互作用力を測定する必要がある生体医用デバイス、そして重量と信頼性が最優先される航空宇宙分野での応用が期待されている。 『Nature Communications』での実証は実験室レベルの概念実証である。これを商業的に viable なセンサーに転換するには、製造プロセスのスケールアップ、長期的安定性の実証、標準的なロボットインターフェースとの統合が必要となる。しかし、単一の成形セラミック片がマルチコンポーネントアセンブリに代わり得るという原理は、触れる感覚を必要とする次世代の機械に向けて、よりシンプルで安価かつ堅牢な力覚センシングへの道筋を示している。 雅子 訳

北京に拠点を置くMoonshot AIが7月16日にKimi K3をリリースしたとき、AI研究者の間での反応は即座に熱狂的なものとなった。人々はこれを「スプートニク・モーメント」と呼んでいる、とニューサウスウェールズ大学の認知神経科学者で、AIの社会への影響を研究するジョエル・ピアソンは述べた。「これは転換点です。」 Kimi K3は2.8兆パラメータの推論モデルであり、これまでに公開された中で最大級のオープンに利用可能なAIモデルの1つである。Moonshotの内部ベンチマークによると、コーディング、スプレッドシート操作、一般的な推論タスクにおいて、米国の最先端モデルに匹敵するか、それを上回る性能を示している。ローンチから3日後、需要が同社の処理能力を限界まで押し上げ、新規登録を一時停止せざるを得なくなった。 しかし、K3の背後にある物語は単なるベンチマークスコアだけではない。それは、米国のチップ禁輸下で最先端のAIモデルを構築することの意味についてである。 より少ないリソースでより多くを達成する 米国は2022年10月以降、国家安全保障上の懸念を理由に、中国の高度なAIチップへのアクセスを制限している。この規制は繰り返し強化され、直近では2025年にバイデン政権が特定のメモリ帯域幅とチップパッケージングを含むように規制を拡大した。 中国企業はアルゴリズムの効率性に多額の投資を行うことで応じてきた。2025年初頭にリリースされたDeepSeekは、米国企業が使用しているものよりも少なく、より先進的でないチップでも競争力のあるモデルを構築できることを実証した。Kimi K3はその軌道を継続している。 ニューサウスウェールズ大学のコンピューター科学者トビー・ウォルシュは、チップ規制が結果的に中国のモデルアーキテクチャにおけるイノベーションを加速させた可能性があると述べた。「ここでは必要が発明の母であったのではないかと推測されます。」 K3のサイズ、2.8兆パラメータは、トレーニング中に相当なハードウェアを必要としただろう。しかしMoonshot AIは、トレーニングインフラや総計算予算を開示していない。オープンウェイトでのリリースにより、研究者は自らのハードウェアでモデルを実行でき、クローズドでAPI専用のモデルでは不可能なアプリケーションを可能にする可能性がある。 モデルアクセスの地政学 K3のリリースは、AIモデルの可用性において異例の変動性がある時期に行われた。2026年6月、米国政府はAnthropicに対し、最も高度なモデルであるFable 5とMythos 5を全ユーザーに対して一時的に無効化するよう指示した。Fable 5へのアクセスは数週間後に復旧されたが、Mythos 5は特定の米国組織に限定されたままである。 これにより、オープンウェイトの中国モデルが、米国以外の研究者が利用できる唯一の最先端モデルとなる市場力学が生まれている。ピアソンは、中国モデルが「投資家やユーザーが米国の最先端モデルの価値をどのように認識するか」を変えていると指摘した。Google、Anthropic、OpenAIが数十億ドルを費やしてトレーニングしたモデルが一夜にしてアクセス不能になる可能性があるからだ。 K3にできないこと モデルのサイズはその制約要因でもある。2.8兆パラメータのモデルは、推論でさえも相当なメモリと計算能力を必要とする。限られたハードウェアしか持たない研究者にとっては、より小さく効率的なモデルと比較してK3は実用的でないかもしれない。Moonshotは推論コストやハードウェア要件を開示しておらず、潜在的なユーザーはモデルの能力がそのフットプリントを正当化するかどうかを自ら推定せざるを得ない。 中国モデルが本当に米国の最先端モデルとのギャップを埋めたのかというより広範な問いは、客観的に答えるのが難しいままである。公開ベンチマークは特定のタスクをカバーしており、過学習の影響を受ける可能性がある。最も高性能な米国モデル（OpenAIのGPT-5.6、AnthropicのClaude Opus 4）は、独立した比較に十分な詳細を含む公開技術レポートを発表していない。K3は世界で最高のオープンウェイトモデルかもしれない。それが総合的に最高のモデルであるかどうかは、最高のクローズドモデルの能力のうち、どれだけが公開評価に表れていないかに依存する。 雅子 訳 Sources Fieldhouse, R. & Basu, M. (2026). 「Does China’s latest AI model finally equal US rivals? What scientists think.」 Nature News, 7月21日. DOI: 10.1038/d41586-026-02281-2; Reuters (2026), 「China’s Moonshot […]

2024年、ケベック州コート・ノール地域でのキャンプ旅行を計画していたジョエル・ラポワントは、Google Mapsで異常に気づいた。マーサル湖を中心とする直径約25kmの円形の窪みで、周囲の地形とは異なる特徴を持つ。彼はスクリーンショットを撮り、オンタリオ州ロンドンのウェスタン大学が運営するクラウドソーシングサイト「インパクト・アース」に報告し、ここ数年で発見された最大級の隕石衝突クレーターの一つが確認される一連の出来事が始まった。 惑星地質学者ゴードン・オシンスキー氏（同僚からは「オズ」と呼ばれている）は2025年に現地を訪れた。彼が発見したものはラポワント氏の疑念を裏付けた。伝統的にイヌ族の土地であるエクアニトシットのイヌ評議会の承認を得て暫定的に「ウハカティック」と名付けられたこの円形構造物は、約3億9000万年前の隕石衝突の明らかな証拠を示している。オシンスキー氏は衝撃変成作用、衝突による極度の圧力と温度によって生じた岩石の変形、そしてさらに驚くべきことに、衝突溶融岩を発見した。 「衝突溶融岩とは、その名の通り、衝突イベントによって溶かされた大量の岩石が冷えて結晶化し、火山岩によく似た外観を持つものです」とオシンスキー氏はSpace.comに語った。「これらが保存されていたこと、通常、クレーターの中で最初に浸食される部分の一つなのですが、は大きな驚きでした」 異常な保存状態のクレーター セントローレンス湾の北部に位置するウハカティック・クレーターは、直径約25km（15マイル）で、ここ数十年で発見された最大級の衝突構造の一つとなっている。オシンスキー氏によると、同規模の最後の発見は2018年にグリーンランドで発見された直径31kmのハイアワサ構造だが、このクレーターは完全に氷の下に埋もれているため、いまだに議論の余地がある。 ウハカティックでの衝突溶融岩の保存は、研究者が衝突イベントの年代測定と衝突体の地球化学的特徴の研究を可能にする点で重要である。また、このクレーターが形成以来、実質的に浸食されていないことを意味し、より最近の地質学的プロセスで露出されるまでの約3億9000万年の歴史の大部分で埋没し保護されていたことを示唆している。 衛星時代の市民科学 この発見は、自由に利用可能な衛星画像が地質学的探査をどのように変革しているかを示す好例である。ナビゲーションや都市計画用に設計されたGoogle EarthやGoogle Mapsが、事実上の地質調査ツールとなっている。訓練された目を持つアマチュア観察者は、プロの地質学者がその特定の地域を見ていないために見逃す可能性のある特徴を特定できる。 ラポワント氏が報告を提出したプラットフォーム「インパクト・アース」は、まさにこの目的のために設計された。誰でも候補となる衝突構造を専門家のレビューのために提出できる。このプラットフォームは開始以来、数千件の提出を受けてきたが、そのほとんどは誤報である。ウハカティックは確認された数少ない例外の一つだ。 このクレーターは、その領土の権限を持つイヌ評議会の承認を得て正式に認定された。イヌ語に由来するウハカティックという名前は、クレーターがある土地の文化的背景を反映している。 ラポワント氏にとって、キャンプ旅行の寄り道として始まったものが、惑星地質学への永続的な貢献となった。彼が画面で見つけたクレーターは今や科学記録の一部であり、地球の表面にはまだ発見されていない物語が隠されており、それらを見つけるための道具はインターネットに接続できる誰もが利用できるようになりつつあるということを思い出させてくれる。 雅子 訳

2010年、米国国立衛生研究所（NIH）は野心的なプロジェクトを開始した。数百人の死亡ドナーから組織サンプルを採取し、各組織のRNAを配列決定し、遺伝子が人体全体でどのようにオン・オフされるかの包括的なマップを構築するというものだ。10年以上が経過した今、Genotype-Tissue Expression（GTEx）プログラムは組織特異的な遺伝子制御の理解を一変させ、そのデータは今も新たな発見をもたらし続けている。 最終版のGTExデータセット（V8）には、838人の死後ドナーからの遺伝子データと、54の組織部位および2つの細胞株にわたる17,382サンプルからのRNA配列が含まれている。各サンプルは、ゲノムによって生成される全RNA分子群であるトランスクリプトームを、特定の個人の特定の組織で捉えている。その結果、研究者はこれまで大規模には答えられなかった疑問を問うことができるリソースが生まれた。すなわち、同じゲノムがどのようにして心臓、肝臓、脳を生み出すのか、という問いである。 GTExが明らかにしたこと 最も直接的な発見は、ほとんどの遺伝子が均一に発現されているわけではないということだった。大半の遺伝子は組織特異的なパターンを示す。肝臓でのみ活性化する遺伝子もあれば、脳のみ、あるいは精巣のみで活性化する遺伝子もある。しかしGTExの規模により、研究者は二値的なオン／オフ分類を超えて、定量的な変動、すなわち遺伝子がある組織で別の組織と比較してどれだけ多く発現されているか、そしてそれが個人間でどのように異なるかを測定することが可能になった。 この定量的変動が、発現量的形質遺伝子座（eQTL）、すなわち遺伝子の発現強度に影響を与える遺伝的変異を理解する鍵となることが明らかになった。GTEx以前は、eQTL研究は主に血液に限られていた。血液は採取が容易だからである。GTExは、多くのeQTLが組織特異的であることを示した。肝臓での遺伝子発現を高める変異が脳では全く効果を持たない可能性がある。これは、標的組織が重要な創薬に直接的な示唆を与える発見である。 GTExは、個人のDNA配列を使用して特定の組織における遺伝子発現レベルを予測する統計手法PrediXcanの開発を可能にした。このツールは、双極性障害、冠動脈疾患、クローン病、関節リウマチ、1型糖尿病に関連する遺伝子の特定に使用されてきた。これらはいずれも、関連組織（脳、動脈、腸、関節）が生存患者から採取できない疾患である。 リソースの規模 GTExプログラムは当初、NIH Common Fundによって5年から10年の期間で資金提供された。このプロジェクトは2019年に正式にCommon Fundの支援を離れたが、データは今も使用され引用され続けている。Broad Instituteの組織バンクには、新たな研究に利用可能な未使用の生体試料が今も保管されている。 このデータセットはUCSC Genome Browserに統合され、インターネット接続があれば誰でも組織間の遺伝子発現パターンを視覚化できる。GTExポータルでは、発現レベル、eQTL、スプライシングパターンを検索して閲覧することができる。 次の10年への教訓 GTExモデル、すなわち大規模で公的資金により運営されるオープンアクセスの生体試料収集は、ヒト細胞アトラスやNIH Bridge to Artificial Intelligenceプログラムを含む後続プロジェクトに影響を与えた。現在の課題は、バルク組織RNAシーケンシングから単一細胞解像度への移行である。単一細胞解像度では、各細胞のトランスクリプトームが個別に測定され、バルクシーケンシングでは平均化されてしまう各組織内の細胞 heterogeneity が明らかになる。 GTExスタイルの組織マッピングと単一細胞手法を組み合わせたプロジェクトはすでに進行中である。目標は、すべての主要組織にわたる細胞解像度でのヒト遺伝子発現の参照マップである。これは、GTExアトラスを、さらに詳細な全体像の初期スケッチのように見せるリソースとなるだろう。 雅子 訳

大規模言語モデル（LLM）は研究の退屈な作業を自動化することで、科学的発見を加速させると期待されている。しかし、ワシントン大学のカール・バーグストロムを含むチームによる新しい数学モデルは、同じ速度向上が意図せず科学的成果の質を低下させ、研究者が発表する内容の選択性を低下させ、精査の徹底性を低下させる可能性があると警告している。 シカゴ大学、ノースカロライナ州立大学、ワシントン大学の研究者らがarXivに投稿したこのプレプリントは、多くの科学者が直感的に懸念してきたこと、すなわちLLMが研究の摩擦を減らすことで、科学のインセンティブ構造を害する方向に変えてしまう可能性を形式化している。 「労働増強技術として、大規模言語モデルは研究パイプライン全体にわたって科学活動を加速する可能性を秘めている」と著者らは書いている。しかし、その効果は一様に肯定的なものではないと警告している。 選択性のパラドックス このモデルは、LLMがどのように使用されるかに応じて、発表の選択性に逆の効果をもたらすと予測している。 LLMが主に有望なプロジェクトを発見するためのツールとして機能する分野（仮説を探すための文献調査、未開拓の質問の特定、実験計画の提案）では、研究者は追求する内容についてより選択的になる。より多くの可能性をふるいにかけ、最良のものに努力を集中できる。 しかし、LLMが主に既存データの発表プロセスを促進する分野（論文の執筆、図の生成、結果の要約）では、研究者は選択性を低下させる。かつては境界線上の否定的結果を放棄させたり、準備が整っていない論文を飛ばさせたりしていた摩擦が消え、発表される研究の量が増加する。 著者らは、第2のシナリオが多くの分野で支配的になる可能性が高いと指摘しており、それは科学文献の信頼性にリスクをもたらす。より多くの論文が、それぞれ著者自身による入念な精査を経ずに発表されれば、ピアレビューシステムが圧倒され、真の研究成果が際立つことが難しくなる。 スピードの機会費用 このモデルの2番目の主要な予測はより直感に反するものである。科学者がより速く作業できるようになると、LLMは研究者の時間の機会費用を引き上げる。論文の洗練に費やす1時間は、次の論文を始めない1時間でもある。 「科学者がより速く作業できるようにすることで、LLMは研究者の時間の機会費用を引き上げ、次の作業に移る前に論文を徹底的に洗練するインセンティブを低下させる」と著者らは書いている。 この予測は、LLMが科学者を退屈な作業から解放し、深い思考のための時間を増やすという楽観的な物語に真っ向から反する。このモデルは、解放された時間が、個々の研究へのより深い関与ではなく、より多くの成果へと振り向けられることを示唆している。 「退屈な作業から時間を節約することで、LLMが深く考え、プロジェクトを完全に発展させるためのより多くの時間を提供してくれると想像するのは魅力的ですが、私たちの結果はそのような期待を和らげるものです。」 形式的枠組み この論文は、研究者の意思決定の単純な数学モデルを開発し、時間を発見（新しいプロジェクトの発見）と生産（結果の開発と発表）に配分できる資源として扱っている。LLMはこれらの活動の相対的コストを変化させ、モデルは発表量、選択性、徹底性に対する均衡効果を予測する。 この枠組みは意図的に単純化されている（著者らは実際の科学コミュニティはより複雑であることを認めている）が、これまで主に逸話的に表現されてきた懸念に形式的な基盤を提供している。 科学出版と科学の社会学に関する研究で知られる生物学者バーグストロムは、経験的に根拠づけられた分析の実績をこの問題に持ち込んでいる。これまでの研究で、彼は出版圧力、指標ベースの評価、逆インセンティブがどのように科学実践を歪めてきたかを文書化してきた。LLMモデルは、その枠組みを研究を再形成している最新技術に拡張する。 政策への示唆 この論文は、科学におけるLLMの使用に反対するものではない。その効果は文脈に依存すると主張し、政策立案者、資金提供機関、ジャーナル編集者は、LLMの採用が現在研究者の行動を形成している摩擦のバランスをどのように変えるかを考慮すべきだとしている。 このモデルが正しければ、昇進基準、助成金審査、ジャーナル基準といった報酬構造を調整せずに単にLLMを採用することは、すでに進行中の傾向、すなわちより多くの論文、より低い信頼性、生産性を量で測定するシステムを加速させる可能性がある。問題は科学にLLMを使うかどうかではなく、その周りにどのようにインセンティブを設計するかである。 雅子 訳

NOAAの予報官が2026年の大西洋ハリケーンシーズンは平均を下回ると予測した際、彼らは標準的な但し書きを付け加えるのを忘れなかった：「たった一つの嵐で十分だ」。熱帯低気圧バーサは、火曜日に時速65キロの風と高潮の危険を伴いながら米国メキシコ湾岸に向かっており、その原理をリアルタイムで証明している。 国立ハリケーンセンターは、バーサが水曜日までにルイジアナ州ニューオーリンズ付近に上陸し、大雨、局地的な竜巻、そしてルイジアナ州とミシシッピ州の海岸の一部に沿って1〜4フィート（30〜120センチ）の高潮をもたらすと予想している。NHCは、フロリダ州のオクロッコニー川からルイジアナ州のジェファーソン・プラクミン教区境に至る警戒地域で「命にかかわる高潮」の警告を発している。 バーサは、先月熱帯低気圧アーサーが米国に洪水をもたらしたのに続き、2026年シーズンで2番目に命名された嵐に過ぎない。その風速は熱帯低気圧としてはかろうじて基準を満たす程度で、過小評価する人もいるかもしれない。しかし、嵐が約時速5キロで西北西にゆっくりと進んでいるということは、同じ地域に長期間にわたって降雨が続くことを意味する。金曜日までに最大20センチ（8インチ）の雨が降る場所もあり、動きの遅い嵐は正確な総降水量の予測が難しいことで知られている。進路のわずかな変化で、任意の地点での累積量が倍にも半減にもなるからだ。 エルニーニョのパラドックス 2026年シーズンは、太平洋で発達中のエルニーニョ現象により、平年より静かになると予測されていた。エルニーニョは通常、鉛直風シアー（風速と風向の高度による変化）を増大させることで大西洋のハリケーン活動を抑制し、発達中の雷雨がサイクロンに組織化する前に引き裂く。 NOAAの5月の見通しは、エルニーニョを主要因として、平均以下の活動である確率を55％としていた。コロラド州立大学のチームも同様の予測を発表した。 しかし、エルニーニョは静かな海を保証するものではない。嵐の総数は減らすが、完全になくすわけではなく、発生した嵐は依然として危険であり得る。特に、見出しを飾るような高速の風のシステムではなく、動きの遅い雨を多く含むシステムの場合には危険である。 「エルニーニョが地球全体の気象にこれほど大きな影響を及ぼすため、科学者たちはその振る舞いを理解するために多大な努力を注いできました」と、NOAA大西洋海洋気象研究所の海洋学者ホスメイ・ロペス氏は述べた。「現在では数カ月先まで予測できます。しかし、自然は常に驚きを秘めているため、大きな不確実性が残っています。」 バーサが深刻な理由 この嵐の脅威プロファイルは、風ではなく水によって支配されている。高潮、つまり嵐の循環によって押し寄せられる海水は、低地のミシシッピ川デルタ地帯を通って内陸深くまで押し寄せる可能性がある。ニューオーリンズ当局は土嚢の配布を開始し、住民に側溝の掃除を呼びかけている。2005年のハリケーン・カトリーナ後に再建・改良された同市の排水システムは、シーズン初の試練に直面する。 フロリダ・パンハンドル、アラバマ、ミシシッピ、ルイジアナの都市部では、鉄砲水が最大の懸念事項である。北半球の熱帯低気圧の東側半円は通常最も激しい雨をもたらし、バーサの動きの遅さは、対流雲群を同じ地域に何時間も停滞させることでリスクを増大させる。 嵐は木曜日までに熱帯低気圧に弱まり、週末までにテキサス州沿岸に近づくにつれて消滅する可能性がある。しかし、その結果は正確な進路と、西から接近すると予想される上空のトラフとの相互作用に依存しており、これらの詳細は実際の数時間前にならないと明らかにならない。 バーサ以降の見通し エルニーニョ現象は秋にかけて強まる傾向があり、ハリケーンシーズンのピーク月（8月から10月）には嵐の発生がさらに強く抑制される可能性がある。しかし、2026年シーズンは既にその主張を証明している。平均以下の季節予報は安全性を保証するものではなく、備えの誤差範囲は、シーズンに8つの嵐があろうと18あろうと全く同じなのである。 雅子 訳