[イーデイリーShin Yeong-bin 記者]SamsungElectronics(005930)は、人工知能（AI）を活用し、半導体新素材の開発期間を従来の5年から2年に短縮することを目標として掲げました。

サムスン電子のチェ・ヨンサン・マスターは26日、ソウル・ソチョ洞の自動車会館で韓国産業連合フォーラム（KIAF）が主催した「AI安全・ガバナンスシンポジウム」において、このような半導体素材の研究開発の方向性を紹介しました。

半導体材料の開発は、膨大な候補の組み合わせの中から、性能と工程条件を満たす物質を見つける作業です。

チェ・マスターは、「半導体材料は複数の薄膜層で構成されており、7層を基準とした物質の組み合わせは1億通りを超えますが、実際の実験は1ヶ月で最大50件程度にとどまります」と説明しました。

研究者の経験や直感に依存する探索方式では、数ヶ月から数年を要し、失敗した実験データも十分に活用できないという指摘があります。サムスン電子は、このような探索過程にAIを適用し、開発効率を高める計画です。

チェ・マスターは、「AIを活用して半導体新素材の開発期間を従来の5年から2年に短縮し、有望な素材候補の発掘件数を5倍以上増やす一方、最適条件の探索のための実験回数を80％以上削減することを目標としている」と明らかにしました。開発コストを削減し、将来的にはバッテリー素材など他の産業分野への活用を拡大できるという説明です。

そのための基盤となるのが「科学AI」です。論文・特許・社内実験データを統合して知識を構造化し、AIがこれを基に有望な仮説を生成して実験を設計した後、シミュレーションで検証する仕組みです。研究過程で蓄積されたデータを、次の探索と検証に活用する方式です。

実際の装置と連携させる方策も提示しました。AIエージェントが実験計画を装置に伝達すると、工程・測定・分析を自動で実行する「自律実験室」と連携し、研究の全過程を循環型で運営するという構想です。

解決すべき課題も残っています。AIの仮説生成と検証能力が、基盤となる大規模言語モデル（LLM）の性能に左右される点や、失敗した実験データや研究者の経験が十分にデータ化されていないという点です。

チェ・マスター氏は、シミュレーションの計算複雑度と検索増強生成（RAG）の精度の限界を改善する必要があると説明しました。中核となる研究データは、外部への流出を防ぐため、社内に構築したオンプレミス環境で処理する必要があると強調しました。

AIが実験を設計し、機器を制御するという変化は、新たな安全課題も伴います。この日、基調講演に登壇したセールスフォースのキャシー・バクスター副社長は、AIがチャットボットから自ら計画を立て、システムを操作する自律型AIへと発展するにつれ、エラーの波及力が大きくなっているとの見解を示しました。

バクスター副社長は、「従来の誤った回答が、今やデータの変更やシステムの誤動作など、実質的な被害につながる可能性がある」と述べました。AIが検索したデータ、外部ツールの呼び出し、メモリ変更の履歴を追跡する必要があるという説明です。人が監督する場合でも、繰り返される警告に疲れて形式的に承認してしまう状況を防止すべきだと指摘しました。

同氏は、AIの機能・自律性・権限を分類し、実環境における性能と潜在的な被害を評価する仕組みを提案しました。特に、設計・評価、展開準備、運用・改善といった段階ごとに権限を管理し、「AIの自律性が拡大するたびに再承認を行う仕組みが必要だ」と強調しました。

高麗大学情報保護大学院の名誉教授であるイム・ジョンイン氏は、AIを外部から独立して監視・制御する仕組みが必要だと述べました。具体的には、「認知的ゼロトラスト」、「独立したキルスイッチ」、「サイバーレジリエンス」を3大安全装置として提示しました。

これは、AIの行動意図を外部から検証し、業務に必要な最小限の権限のみを短期間付与する方式です。誤作動が発生した場合は、ネットワークやアプリケーション・プログラミング・インターフェース（API）へのアクセスを直ちに遮断し、中核業務を迅速に復旧できなければならないということです。

イム教授は、リリース前の安全装置の検討や重大事故の報告、開発会社と導入企業間の責任分担基準の策定も提案しました。イム教授は、「AIエージェントの自律性が高まるほど、外部から独立して監視・制御する統制システムの構築が不可欠です」と述べました。