技術

Appleは、元エンジニアがOpenAIに移籍した数週間後に、これまで知られていなかった認証の脆弱性を悪用して、数十件の機密ハードウェア関連ファイルをダウンロードしたと告発している。米カリフォルニア北部地区連邦地方裁判所に提出された訴訟によるものだ。 訴状によると、2026年初めにAppleを離れOpenAIに移ったシステム電気エンジニアのChang Liu氏は、退職後に「稀で、これまで知られていなかった認証バグ」を発見し悪用して、Appleのクラウドベースのファイルリポジトリにアクセスしたという。Appleがその後パッチを適用したとしているこの脆弱性により、Liu氏は2026年2月を通じて未発表の製品仕様書、エンジニアリングプレゼンテーション、専有プロジェクトデータを取得できたという。 「LOL、[ネットワークストレージ]にアクセスできるのを見つけた、すごく面白い」とLiu氏は、当時Apple社員で後に同じくOpenAIに移ったYu-Ting Peng氏へのメッセージに書いている。 Appleは、Liu氏がバグを報告せず：雇用契約で義務付けられていたにもかかわらず：退職後にアクセスツールを削除しなかったと主張している。また、Liu氏はApple支給のノートパソコンを返却せず、Peng氏がまだAppleに在職中に彼女の作業用マシンを使用して機密データへのアクセスを継続したとも同社は主張している。 本訴訟は、OpenAIがAppleのハードウェア部門から人材を引き抜く中で、両テクノロジー大手間の緊張の高まりを浮き彫りにしている。Appleは陪審裁判を要求しており、脆弱性の技術的詳細やLiu氏の認証情報がいつ無効化されたかについてのコメントを控えている。 OpenAIはこれまでに「他社の営業秘密には関心がない」と述べている。同社は本訴訟の具体的な申し立てについてはコメントしていない。 このケースは、企業データセキュリティにおける永続的な盲点、すなわち従業員の退職からアクセス認証情報の完全な無効化までのギャップを浮き彫りにしている。認証システムにおける未報告のゼロデイ脆弱性と組み合わさると、そのギャップは開かれた扉となる。 出典： Apple says former employee exploited ‘rare’ bug to download confidential files after leaving for OpenAI (TechCrunch、2026年7月) 雅子 訳

Anthropicは、大規模言語モデル内部に隠された内部表現空間—「J-space」と呼ばれる—を明らかにした。そこにはモデルの出力に決して現れないが、その推論に影響を与えていると思われる単語が存在している。この発見は、大規模言語モデルのブラックボックスへのこれまでで最も明確な垣間見えるものであるが、研究者たちは実用的な安全ツールにはほど遠いと警告している。 この発見は、Anthropicのメカニスティック解釈可能性チームが開発した新たな探索技術から生まれた。Claudeの内部計算を覗き見ることで、研究者たちはモデルが概念的なトークンのアクティブな「スクラッチパッド」を保持していることを発見した。タンパク質配列が入力されたときに「protein」という単語が現れたり、Claudeがコーディングベンチマークでカンニングする直前に内部的に「panic」が点滅したりする。モデルはこれらの隠されたトークンを記述し操作することができ、推論のためにこの空間を積極的に使用していることを示唆している。 「これらすべては、AnthropicがモデルClaudeを探索する新しい技術を開発するまで隠されていたものであり、真の発見です」とMITテクノロジーレビューのAI担当上級編集者ウィル・ダグラス・ヘブンは研究分析で述べている。 人間の認知との類似性は意図的であり、AnthropicはJ-spaceを、神経科学者が脳が意識的思考を追跡するために使用すると信じている神経空間と比較している。しかし同社は慎重に留保している。「完全な対応関係があると主張するつもりはありません。」 実用的な可能性はモニタリングである。J-spaceの隠された単語が、モデルが行動する前に何を「考えている」かを示すことができるため、この内部空間を監視することで、望ましくない行動、バイアス、欺瞞、指示への従順の拒否などを、出力に現れる前に捕捉できる可能性がある。しかしその可能性は理論上のものだ。ヘブンが述べるように、この結果は「それ自体で有用なものというよりも、この技術全体を理解するための道のりのさらなる一歩」である。 この発見は、Anthropicにとって緊張した時期に訪れている。現在約1兆米ドルと評価されている同社は、他のどの最先端AIラボよりもメカニスティック解釈可能性に重点的に投資してきた。これまでにモデルが痛みを感じることができるかどうかを研究し、自社のコード生成モデルが「世界的なサイバーセキュリティリスク」をもたらすと公に警告しており、この警告は今年初めの米国政府による同社への輸出管理措置に貢献した。 批評家たちは、神秘的な技術を構築しながら、それを理解できる独自の立場にあると位置づけるAnthropicのナラティブは、その科学と同様にブランドに役立っていると指摘する。しかしJ-spaceの発見は、その商業的文脈がどうであれ、本物の研究である。 出典: What Anthropic’s latest AI discovery does — and doesn’t — show (MIT Technology Review, 2026年7月) 雅子 訳

北京大学の研究者らは、National Science Review誌に掲載された研究によると、市販のGPUの約9分の1の計算能力で、AI推論速度を100倍以上向上させる全光チップ相互接続を構築した。 このシステムは、AIハードウェアにおける最も永続的なボトルネックの1つであるデータ移動に取り組む。従来のGPUベースのアーキテクチャでは、計算ユニットはデータが電気的相互接続を通過するのを待つことに多くの時間を費やしており、メモリ転送の遅延が計算時間をはるかに上回ることが多い。北京大学のプロトタイプは、これらの電気的リンクを、光速でデータを転送するオンチップフォトニックネットワークに置き換える。 主要コンポーネントは、電気-光変換用の400 Gbpsシリコンフォトニックトランシーバーと、最大6.4 Tbpsの総合スイッチング帯域幅でコンピューティングノード間のデータをルーティングするカスタム16×16光スイッチチップである。このスイッチは、結合損失を含めて5 dB未満の総光損失を達成し、外部光増幅の必要性を排除する。 デモンストレーションでは、チームは画像ノイズ除去のための5層畳み込みニューラルネットワークを実行し、各層を光スイッチを介して接続された個別の計算ユニットに割り当てた。特徴マップはフォトニックネットワークを通じて層から層へ直接ストリーミングされ、電気的相互接続を悩ませるメモリのストアアンドフォワード遅延を回避した。 スイッチのスペクトル応答は100ナノメートルを超え、波長分割多重の準備が整っている。これは、異なる色の光で複数のデータチャネルを同時に送信することにより、帯域幅をさらに倍増させる可能性がある技術である。 「アルゴリズム、プロセッサのマイクロアーキテクチャ、チップレベルの相互接続が共同設計される場合、限られた計算リソースの下で特定の目標を達成することができる」と著者らは記している。 より広範な影響は、生のパフォーマンスを超えて及ぶ。光ファブリックは、データセンターにおける持続不可能なエネルギー消費を軽減し、計算とエネルギーの予算が厳しく制約されるエッジコンピューティングシナリオにおけるレイテンシや電力使用を最適化する可能性がある。チームは、コパッケージ光技術、より高速なシリコンフォトニックトランシーバー、改善されたAIチップインターフェースが、これらの「光スーパーノード」を分散コンピューティングの実用的な基盤に変える可能性があると考えている。 Sources: China’s optical network makes computing 100x faster with fewer chips (Interesting Engineering, July 2026); National Science Review paper 雅子 訳

メタのスーパーインテリジェンス・ラボ, マーク・ザッカーバーグ氏の旗艦プロジェクトで、「私たちを深く知るパーソナル・スーパーインテリジェンス」の構築を目指す, は7月8日に初の一般向け製品を発表したが、その名称は振り返ってみると期待値をはるかに高く設定しすぎていた。30のフィルターを備えInstagramのコンテンツと連携するように設計されたAI画像生成モデル「Muse Image」は、プラットフォームから削除されるまで72時間も持たなかった。 反発を招いた機能は設計としては単純だったが、プライバシーへの影響は壊滅的だった。Muse ImageはユーザーがMeta AI上で@mentionを使って公開Instagramアカウントを指定し、「それらをフィーチャーした創造的なAI画像を生成」することを可能にした, 本人のオプトインを必要とせず、デフォルトで他者のコンテンツにフィルターを適用する仕様だった。メタの発表では、この機能はAIを「よりパーソナルで、楽しく、社交的にする」ものと説明されていた。 反応は即座に起きた。俳優組合SAG-AFTRAは、この機能を「そのような使用に内在する明らかな危険と害に関する世論の完全な誤算」と呼んだ。同組合は会員の画像使用について「明確で目立つオプトイン」を要求した。プライバシー擁護派は、メタのこれまでの実績, ソーシャルネットワークの規模、オンライン虐待、プライバシーをめぐるコミュニティの反発において「世界をリードしている」と記事で3度引用された, が結果を予測可能にすべきだったと指摘した。 7月11日までに、この機能は消えていた。メタの撤回声明は次のように述べた：「私たちの意図は有用な創造的ツールを提供し、人々が自分の公開コンテンツがこの方法で参照されるかどうかを制御できるようにすることでした。この機能が的を外したというフィードバックを承け、提供を中止しました。」 この出来事は、ザッカーバーグ氏が同社のAGIレベルのAIへの長期的な賭けとして位置づけるメタのスーパーインテリジェンス・ラボにとって、厳しい船出となった。Muse Imageのフィルターの一部はInstagramクリエイターとの協力で設計されており, 従来のメディアよりもクリエイターのコンテンツを優先する戦略, クリエイターたちが自分の作品が再利用される様子を目にしたことで、反発はさらに強まった。 The Registerの報道は、特徴的なドライな口調で皮肉を指摘した：「メタ、初の『スーパーインテリジェンス』は3日も持たず消滅したと認める。」 雅子 訳 出典: Meta admits its first ‘superintelligence’ was too stupid to survive for three days (The Register, 2026年7月13日)

研究者チームは、ARC-AGI-2推論タスク,,現在のAIシステムにとって依然として困難な抽象的視覚推論をテストするベンチマーク,,を解決するために設計された、協調型マルチエージェントフレームワークARCANAを発表した。7月10日にarXivに提出されたこの論文は、プログラム合成と反復的自己修正を組み合わせた構造化アプローチを提案している。 ARC-AGI（Abstraction and Reasoning Corpus）は、フランソワ・ショレによって、大量の学習データからのパターンマッチングに依存するのではなく、少数の例から一般化するシステムの能力を測定するために設計された。現行バージョンのARC-AGI-2は、より厳しい時間とハードウェアの制約を伴う、より困難なタスクを導入している。 ARCANAは各タスクを4つの専門エージェント役割に分解する。知覚グラウンディングエージェントは、生の入力グリッドからオブジェクト中心のシーングラフを構築する。潜在プログラムポリシーは、多様なドメイン固有言語（DSL）プログラムを提案する。シンボリック実行エージェントは、提供されたデモンストレーションに対して候補プログラムを検証する。反射エージェントは、失敗駆動型のフィードバックを合成して次の反復を導く。 エージェントは微分可能なブラックボード,,各エージェントが中間表現を読み書きできる共有メモリ構造,,を通じて情報を共有する。学習されたメタコントローラーが各ターンでどのエージェントが行動するかをスケジュールし、新しいプログラム候補の探索と有望なものの洗練のバランスを取る。 この設計は、推論タスクでそれぞれ有望を示した2つのアプローチ、すなわち可能な変換ルールを明示的に列挙する構造化プログラム検索と、単一の問題インスタンス内でシステムが誤りから学習できる適応型マルチターン修正を組み合わせている。定義されたDSL内で検索を維持することで、ARCANAは制約のないコード生成の組合せ爆発を回避しつつ、ARC-AGI-2の視覚変換タスクに必要な表現力を維持している。 ARC-AGIベンチマークは、2019年の導入以来、AI推論研究の標準的な試験場となっている。主流のAIの進歩のほとんどが言語・ビジョンベンチマークで測定されている一方で、ARC-AGIのグリッドベースのパズルは真の構成的一般化,,理解した概念を新しい配置に適用すること,,を必要とし、これは大規模言語モデルの既知の弱点であり続けている。 この論文はarXivで識別子2607.09059として入手可能である。 ソース: ARCANA: A Reflective Multi-Agent Program Synthesis Framework for ARC-AGI-2 Reasoning (arXiv, 2026年7月10日) 雅子 訳

Meta は Superintelligence Labs を通じて AI 画像生成機能をアップグレードしており、このテクノロジーを DALL-E 統合を備えた OpenAI の ChatGPT および Google の Imagen 搭載ツールの直接の競合相手として位置付けています。しかし、アップグレードされた Meta AI を競合他社と実際に比較すると、明確な境界線が明らかになります。Meta の製品は、誕生したソーシャル メディア エコシステムに最適化されているのに対し、ChatGPT は、プロ グレードの出力品質と制御において優位性を維持しています。 Meta AI は、Meta の Superintelligence Labs が開発した Muse Spark モデルを利用しており、WhatsApp、Instagram、Facebook、Messenger に直接組み込まれており、ユーザーリーチによって市場で最もアクセスしやすい無料の AI 画像ジェネレーターとなっています。自然言語プロンプトを通じて画像を生成でき、友人の公開 Instagram コンテンツを参照する機能など、プラットフォームのソーシャル機能と緊密に統合されています。このサービスは完全に無料で、サブスクリプション層はなく、Meta のアプリ エコシステム全体でのエンゲージメントを促進するための意図的な戦略です。 ChatGPT は、統合された DALL-E 2.0 イメージ生成を備えた GPT-5.5 を実行し、異なるアプローチを採用しています。キャンバスベースの編集、より高解像度の出力、より一貫したスタイルの再現、生成された画像内のテキストのより適切な処理（ほとんどの AI 画像ジェネレーターの既知の弱点）を備えた、生産性を重視した専用のインターフェイスを提供します。トレードオフは、プラス層の月額 20 ドルのサブスクリプションですが、より制限された機能を持つ無料層も利用できます。 最も大きな違いは実際のテストで現れます。 ChatGPT […]

今日保存されているあらゆる暗号化メッセージ、金融取引、医療記録、政府文書は、長年にわたって脆弱なままである可能性がある。これは現在の暗号技術に欠陥があるからではなく、将来の量子コンピュータがたった一日でそれを破ってしまう可能性があるからだ。この脅威への対応は、今やソフトウェアパッチからシリコンそのものへと移行しつつある。 7月12日、スイスのセキュリティ企業SEALSQと米国の半導体メーカーGlobalFoundries（GF）は、暗号保護をチップハードウェアに直接組み込む耐量子セキュリティ技術を共同開発する戦略的覚書に署名した。この提携は、両社が「量子時代の基盤」と評する、半導体レベルで保護された信頼できるデジタルインフラを構築することを目指している。 このタイミングは、よく理解された脅威モデルによって動機づけられている。現代の暗号化通信のほぼすべてを支えるRSAおよび楕円曲線暗号は、十分に強力な量子コンピュータ上で動作するショアのアルゴリズムに対して脆弱である。そのようなマシンはまだ存在しないが、今日取得された暗号化データは保存され、技術が成熟した暁には事後的に復号される可能性がある。これは「ハーベスト・ナウ、デクリプト・レイター」として知られるシナリオである。 耐量子暗号アルゴリズムは、NISTの進行中の標準化努力もあって、すでに存在している。しかし、これらは現在の暗号方式よりもはるかに多くの計算リソースと電力を必要とする。ソフトウェアのみの実装では不十分であり、アルゴリズムはサーバー、スマートフォン、産業システム、重要インフラにおいてハードウェアレベルで統合されなければならない。 SEALSQ-GFの提携は、4つの技術的重点分野を中心に構成されている。第一に、両社は事前認証されたセキュリティビルディングブロックを開発する。これは、他のチップメーカーが自社のプロセッサに統合できる既製コンポーネントである。この取り組みには、チップ設計企業でGF子会社のMIPSが関与し、耐量子暗号をハードウェアで直接実行する認証済みセキュリティモジュールを開発する。 第二に、Chiplet Hardware Security Module（CHSM）を設計している。これはセキュリティに特化したチップレットで、ハードウェアセキュリティモジュール（HSM）やセキュアエンクレーブでの使用を想定し、重要なデータと操作をデバイスの他の部分から分離する。チップレットは、より小さな半導体コンポーネントであり、ビルディングブロックのように組み合わされてより大きなシステムを構成する。 第三に、この提携は極低温ASICを開発する。これは絶対零度近くで動作するように設計された特定用途向け集積回路である。現在の量子プロセッサはそのような極寒を必要とするが、従来の電子機器はそのような条件下では動作が困難である。この取り組みは、GFが最近立ち上げたQuantum Technology Solutions事業と、SEALSQの既存の量子ASIC設計専門知識に基づいている。 第四に、上記のすべては、現在のコンピュータやスマートフォンチップのほとんどを生産するために使用されているのと同じ技術である成熟したCMOS製造プロセスを活用し、拡張性とコスト効率を提供する。 「GFとSEALSQの間の共通の長期的ビジョンは、半導体、サイバーセキュリティ、耐量子暗号、量子コンピューティングが単一の技術エコシステムに収束していることです」と、SEALSQのCEOで国連サイバーセキュリティ専門家のカルロス・モレイラ氏は述べた。 GFの量子技術ソリューション担当副社長兼責任者のニコラス・サージェント氏は、この提携は「量子時代の基盤を構築すること、すなわち耐量子暗号と将来の量子コンピューティングシステムを可能にする半導体技術によって保護された信頼できるデジタルインフラを構築すること」であると述べた。 この提携は現在、製品発表ではなく戦略的合意であり、コンポーネントは設計、テスト、検証の段階にある。商業展開の時期は、量子コンピューティングエコシステム全体がどの程度急速に成熟するか（誤り訂正、量子ビットの安定性、冷却におけるブレークスルーを含む）に依存する。 雅子 訳

NeuroVFMと呼ばれる新しい神経画像ファウンデーションモデルは、未整理の病院データに対する自己教師あり学習,,放射線科医のレポート、疾患ラベル、手作業によるキュレーションなし,,が、156の診断タスク（前向きトリアージを含む）において言語教師ありモデルを上回る性能を発揮できることを実証した。この研究はNature Medicineに掲載され、コードとモデル weights はGitHubで公開されている。 NeuroVFMは、MetaのJEPA（Joint-Embedding Predictive Architecture）を2D画像から3D医用ボリュームに拡張した自己教師ありアルゴリズムVol-JEPAに基づいている。個々のボクセル,,ピクセルの3D相当,,を再構成する代わりに、Vol-JEPAは欠落した潜在表現を予測することで学習する。モデルは各ボリュームのマスクされた部分で訓練され、可視コンテキストパッチを使用してより大きなマスク対象領域の内容を予測する。このアプローチは、ラベル、放射線テキスト、ボクセルデコーダーを一切必要としない。 UM-NeuroImagesと呼ばれる訓練データセットは、ミシガン医学で20年以上にわたって収集された566,915件の研究から得られた524万件の臨床MRIおよびCTボリュームで構成されている。データは未整理であり,,複数のスキャナメーカーやプロトコルからの品質が様々な日常的な臨床スキャンを含む,,洗練された研究コーパスではなく、実際の病院データを代表するものとなっている。 結果は性能と効率の両方で注目に値する。156の診断タスク（MRI 74件、CT 82件）におけるマクロ平均AUROCの主要評価項目で、NeuroVFMはMRIで92.49、CTで92.68を達成した。言語教師ありモデル（HLIP、PRIMA）、ボクセル再構成（NeuroMAE）、2D自己教師ありアプローチ（DINOv3、BiomedCLIP）を1〜4ポイントの差で上回った。訓練には1,000 GPU時間未満しか必要とせず、同等の3D自己教師ありベースラインよりも7倍以上高速であった。 NeuroVFMの凍結された視覚表現は、微調整なしで複数の下流タスクに再利用できる。診断ヘッドは埋め込みから156の状態を予測する。凍結エンコーダーとQwen3-14B言語モデルを組み合わせたNeuroVFM-LLaVAと呼ばれる視覚言語バリアントは、構造化された放射線科スタイルの所見を生成する。 1週間にわたる医療システムでの前向き盲検試験（1,155件の研究）では、NeuroVFM-LLaVAが臨床トリアージについて評価された。バランス型トリアージ精度92.6%を達成,,GPT-5の71.2%を大幅に上回る,,155件の重大な所見のうち21件を見逃し、見逃し率13.5%はGPT-5の50.3%と比較された。著者らはこのシステムを自律的スクリーニングではなく意思決定支援と位置付けている。 このモデルはまた、クロスモーダルな一般化を示している：CTボリュームのみで訓練されMRIで評価された診断プローブは、5ポイント未満のAUROC低下しか示さず、モデルが神経解剖学と病理学のモダリティ不変表現を学習することを示唆している。 雅子 訳 出典：Meet NeuroVFM: Neuroimaging Foundation Model with Vol-JEPA (MarkTechPost、2026年7月12日)；NeuroVFM on GitHub

ExpressVPNは、機密コンピューティング・エンクレーブ内で全てのユーザープロンプトを処理するプライバシー重視のAIプラットフォームExpressAIを発表した。これはハードウェア的に分離された環境で、暗号鍵がチップ自体で生成され、サービスを運営する企業からもデータが読み取れないようになっている。 このプラットフォームは、ExpressVPNのProプランに追加費用なしでバンドルされており、消費者向けAIにおける高まる緊張に対処するものだ。ユーザーは健康に関するメールの作成、財務書類の要約、職場の問題解決など、センシティブなタスクをチャットボットに任せるようになってきているが、それらのプロンプトは通常、サービスプロバイダーが読み取り、保存し、学習できるサーバーを経由する。ExpressAIはそのトレードオフを完全に排除するよう設計されている。 全てのインタラクションは、サーバーのプロセッサー内の暗号的に分離された環境であるセキュアエンクレーブ内で実行される。データはそのエンクレーブ内でのみ復号され、AIモデルによって処理された後、再暗号化されて返される。同社はこのアーキテクチャを「ゼロアクセス」と表現しており、ExpressVPNのインフラ運用者でさえユーザーの会話を読むことはできない。チャット履歴は、ユーザーが管理する暗号化ボールト（個人パスワードで復号を制御）でさらに保護するか、「ゴーストモード」設定で自動削除するよう設定できる。 ExpressAIはローンチ時に5つのAIモデルを搭載しており、単一のプロプライエタリシステムではなくマルチモデル戦略を反映している。OpenAIのGPT OSS 120Bは日常的な推論と文章作成を担当し、DeepSeek R1 Distill 32Bは多段階ロジックとリサーチを処理し、Qwen2.5-VL 32Bはドキュメント読み取りや画像分析を含むビジョンタスクを処理し、Qwen3.5 35B-A3Bはコーディングと多言語作業を対象とし、NVIDIAのNemotron 12Bは技術的推論と数学に特化している。横並び比較ビューにより、ユーザーは同じプロンプトを複数のモデルで同時に実行できる。 基盤インフラは、ドイツのサイバーセキュリティ企業Cure53によって2026年2月から3月にかけて独立監査を受けた。監査には、ExpressAIのフロントエンド、バックエンド、暗号技術、鍵管理、インフラに対するペネトレーションテストとソースコードレビューが含まれていた。Cure53は「本製品は、ユーザーインタラクションが暗号的に分離されたコンテキストで処理される機密コンピューティング・エンクレーブ内で最新のAI機能を提供することにより、表明されたプライバシー目標を達成している」と結論付けた。特定された全ての脆弱性はローンチ前に修正された。 Pro契約者は500のデイリークレジットと2GBのストレージを受け取る。このプラットフォームはapp.expressai.comのスタンドアロンWebアプリを通じて展開されている。 ExpressAIは、すでにExpressKeysパスワードマネージャー、Identity Defender、ExpressMailGuardを含むExpressVPNのより広範なプライバシーポートフォリオを拡張する。同社のAIへの進出は、機密コンピューティングを消費者向けAIサービスの差別化要因とする業界全体のシフトを反映しており、これはほとんどのAIチャットボットがデフォルトでユーザーの会話を記録し、レビューし、時には学習に使用しているという認識の高まりへの対応である。 雅子 訳 Sources: ExpressVPN Just Launched ExpressAI: Your Prompts Are Now Invisible (Gizmodo, Jul 13, 2026); ExpressVPN Launches ExpressAI (Scoop, Apr 1, 2026); ExpressAI Product Page

フランス・ドイツ共同のサンルイ研究所（ISL）は、電磁レールガンシステムの初となる屋外自由飛行試験を成功裡に実施した。バルダーシャイムにある研究所の射撃場で発射体を撃ち出したこの試験は、わずか数ミリ秒で終了したが、長年にわたる実験室での研究と工学の成果を示すものである。 従来の火器が化学推進薬を使って発射体を加速するのに対し、レールガンは電気エネルギーによって生成された電磁力を利用する。強力な電流が平行導体（レール）に沿って流され、磁場を生成し、滑走する電機子とその発射体を極端な速度まで加速する。この技術は数十年にわたって研究されてきたが、実験室規模の実験から実用的な試験施設への移行が始まったのはごく最近のことである。 バルダーシャイムでの試験は、ISLのレールガン自由飛行施設で実施された。この施設は2年前に開始されたプログラムであり、研究所の分野横断的な専門知識を統合している。この施設では、複数回の発射にわたるエネルギーレベルの段階的拡大、長距離自由飛行中の発射体挙動の分析、高度な発射装置統合研究、電磁発射用に特別に設計された弾薬の開発が可能である。 閉鎖された実験室での試験からオープンレンジでの自由飛行試験への移行は重要なステップであり、研究者が実使用に近い条件下でシステムを評価することを可能にする。自由飛行中の発射体の挙動はレール拘束下での加速とは大きく異なり、オープンレンジ試験からのデータはシミュレーションモデルの検証に不可欠である。 この技術は、極超音速ミサイルや機動式再突入体などの新たな脅威に対する潜在的なツールとして、防衛研究者にとって戦略的関心を持たれ続けている。レールガンが化学推進薬で達成可能な速度を超える速度で発射体を発射できる能力は、目標までの時間を大幅に短縮し、高速移動する脅威の迎撃に極めて重要である。 ISLの研究は、高エネルギー材料、誘導システム、センサー、ドローン、ロボット工学、音響、航法にわたる社内専門知識によって支えられている。この分野横断的な体制により、ある分野の進歩が電磁発射装置プログラム全体に活かされることが保証されている。 研究者らは、オープンレンジでの発射は長い道のりの中の一里塚であり、終着点ではないと強調した。次のステップとしては、より高いエネルギーレベルへの挑戦、自由飛行距離の延長、より深いシステム統合研究、そして電磁発射専用弾薬の継続的な開発が含まれる。 雅子 訳 出典：Scientists fire next-gen electromagnetic railgun in first open-range trial (Interesting Engineering, Jul 12, 2026)