エコールポリテクニク・フェデラル・ローザンヌ（EPFL）の研究チームが、ニュートンの第三法則をAIアーキテクチャに組み込むことで、物理法則に従った安定したシミュレーションを実現する新アルゴリズム「Dynami-CAL GraphNet」を開発した。この成果は2026年2月に『Nature Communications』に掲載された。従来のAIモデルは、物理法則を無視する傾向があり、時間とともに誤差が蓄積し、現実の動きと乖離した予測を出すことが多かった。一方、古典的な物理シミュレーションは正確ではあるが、計算コストが高く、新しい状況に適用するには再設計が必要だった。 研究チームは、物体間の相互作用をノードとエッジで表現する「グラフニューラルネットワーク（GNN）」を基盤に、ニュートンの第三法則——「作用には等しい反作用がある」——をアルゴリズムの根幹に組み込んだ。これにより、AIが物理的に整合した力の推定を継続的に実行でき、予期せぬ状況でも安定した予測が可能になった。特に、粒子の衝突、人間の歩行、さらには溶媒中のタンパク質分子の微小な変形など、スケールや構造が異なる複雑なシステムでも高い精度で動作した。 実験では、数十個の球体を含む単純なシミュレーション4つで学習したモデルが、数千個の粒子を含む回転する混合器内の挙動を正確に予測。人間の歩行予測では、地面からの力の情報なしに、動きの軌道を自然に再現。また、微小な分子レベルの動きも、物理的整合性を保ちながら予測できた。 このアルゴリズムの最大の特徴は、極めて少ないデータで学習でき、かつ予測の過程が透明で解釈可能であること。力、トルク、角運動量の保存則がステップごとに明示され、エンジニアが信頼できる根拠を得られる。従来の「ブラックボックス」型AIとは異なり、物理法則の適用状況が可視化される。 研究を主導したオルガ・フィンク教授は、「このモデルは物理法則を『学ぶ』のではなく、『設計する』ことで、未知の状況でも信頼できる予測を可能にした」と強調。AIが物理現象を理解する新たな道を示した重要な一歩とされる。