MetaのオープンソースAI、米エネルギー省のデータ解析を1か月から15分に短縮
2026年7月26日 14:50
米エネルギー省（DOE）の国立研究所において、X線データの解析に要する時間が従来の約1か月から約15分へと劇的に短縮された。これは、MetaのオープンソースAIモデル「SAM 3」と「DINOv3」を政府のインフラ内で直接稼働させることで実現したものだ。クローズドなAPIモデルでは法的に扱えない未発表の科学データを、オープンウェイトモデルの活用によって安全かつ高速に処理する新たな道が開かれている。
■1か月の作業を15分に短縮したAIパイプライン
ローレンス・バークレー国立研究所（バークレー研究所）のビームライン装置の前に立つ研究者は、かつてX線データを何時間もかけて収集し、その後、専門家が手作業で画像にアノテーションを施し、スキャン内容のラベル付き3次元マップを返すまで数週間、時には数か月待たなければならなかった。7月21日の時点で、その待ち時間は約15分にまで短縮された。
これは、Metaの2つのオープンソースAIモデル「Segment Anything Model 3（SAM 3）」と「DINOv3」を、国立エネルギー研究科学計算センター（NERSC）の300基のNVIDIA A100 GPU上で実行した実用的な成果である。このシステムは、クローズドなAPIモデルが法的にアクセスできない政府のインフラストラクチャ内で完全に稼働している。
Metaの発表は、米エネルギー省（DOE）が7月22日に「ジェネシス・ミッション（Genesis Mission）」の下で資金提供を受けた278のプロジェクトを公開したタイミングで行われた。同日、ホワイトハウスは同プログラムを15以上の機関に拡大するため、50億ドル（約8200億円、1ドル=164円換算）以上の連邦政府のコミットメントを発表している。バークレー研究所におけるMetaの基盤モデルの導入は、将来の機能の発表ではなく、すでに5つの国立研究所の研究者によるビームラインデータの処理方法を変革している本番環境のパイプラインである。
最大のボトルネックは画像セグメンテーション、すなわち画像のすべてのピクセルにラベルを割り当て、スキャン内の個別の構造がどこから始まりどこで終わるかを特定する計算タスクである。X線トモグラフィーやマイクロCTのグレースケールの世界では、細胞壁、鉱物粒子、半導体層、あるいはSYNAPS-Iプロジェクトの契機となったブドウの木の研究においては、植物の茎に水を運ぶ木部道管の境界を描くことを意味する。セグメンテーションは、グレースケールのデータの壁を、研究者が実際に使用できるラベル付きの定量化可能なマップに変換するプロセスである。また、歴史的に訓練を受けたドメイン専門家が画像スライスごとに手作業で行う必要があった工程でもある。
■科学者のアノテーション能力を超えるデータ量
DOEが運営するX線および中性子施設は現在、年間数十ペタバイトのデータを生成している。これは高解像度ビデオの約200万時間に相当する。これらの施設の検出器は、10年前に6秒に1枚の画像をキャプチャしていた状態から、現在では1秒間に10万枚の画像を生成するまでに進化した。その結果生じたデータのバックログは徐々に蓄積されたものではなく、技術的な壁として突如現れた。
■SAM 3とDINOv3によるパイプラインの仕組み
SYNAPS-I（SYnergistic Neutron And Photon Science-Intelligence）プロジェクトは、バークレー研究所のシニアサイエンティストであるアレクサンダー・ヘクセマー氏が主導し、アルゴンヌ、ブルックヘブン、オークリッジ、SLACの各国立研究所と提携する複数研究所のイニシアチブである。同プロジェクトはMetaの2つのオープンソース基盤モデルを採用し、それらを補完的なパイプラインに統合した。
DINOv3は、問題の半分である意味的理解（セマンティック理解）を処理する。2025年8月にMetaがリリースしたこのモデルは、人間が提供したラベルを一切使用せず、約17億枚の画像のキュレーションされたデータセットで訓練された自己教師ありVision Transformerである。このモデルは生徒・教師アーキテクチャを使用しており、70億パラメータの教師ネットワークが大規模な画像コーパスで訓練され、より小さな生徒ネットワークが同じ画像の異なる拡張ビューを処理することでその出力を複製するように学習する。人間のラベルを必要としないため、真に普遍的な視覚的特徴を生成するために必要な規模で訓練データを収集できる。
DINOv3が解決した、以前のDINOバージョンでは対処できなかった重要な技術的課題がある。それは、大規模な訓練が長引くにつれて、セグメンテーションタスクに視覚モデルを役立てるための領域ごとの空間的詳細である、密なパッチレベルの特徴が劣化する傾向があることだ。この解決策が「グラム・アンカリング（Gram anchoring）」である。これは個々のパッチ特徴ではなく、画像内のすべてのパッチ間のペアワイズ類似性関係をエンコードするグラム行列に作用する正則化手法である。訓練中に生徒と教師の間でそれらのペアワイズ関係の一貫性を強制することで、グラム・アンカリングは非常に長く大規模な訓練実行全体で空間的特異性を維持する。その結果、グローバルな画像レベルの理解と密なパッチごとの空間的詳細の両方を同時に提供する、凍結されたバックボーンが得られる。
SAM 3はもう半分のピクセルレベルの境界抽出を処理する。2025年11月にMetaからリリースされ、2026年3月に更新されたこのモデルは、前身モデルからの質的な変化を表している。SAMとSAM 2は、単一のオブジェクトのクリックをプロンプトとして受け入れ、その1つのオブジェクトのマスクを返していた。SAM 3は「プロンプタブル・コンセプト・セグメンテーション（Promptable Concept Segmentation）」を導入した。「木部道管」「鉱物粒界」「半導体層」といった短い名詞句を与えると、画像内のすべての一致するインスタンスを同時に特定、セグメント化、追跡する。この移行の背後にあるアーキテクチャは、共有のVision Transformerバックボーンと、分離されたプレゼンスヘッドおよびメモリベースのビデオトラッカーを持つDETRスタイルの検出器を組み合わせている。Metaが構築した、既存のベンチマークの50倍以上となる27万の固有の視覚概念を含む新しい評価データセット「SA-Coベンチマーク」において、SAM 3は人間レベルのパフォーマンスの約75〜80%を達成し、以前の最先端システムの約2倍の精度を提供する。
SYNAPS-Iパイプラインでは、これら2つのモデルが順番に機能する。まずDINOv3がスキャン内に何がどこにあるかを確立し、システムが調べている構造のタイプを伝えるグローバルなコンテキストと空間的ローカリゼーションを提供する。次にSAM 3が、ターゲット概念に一致するすべてのインスタンスの周囲にピクセル単位で正確な境界を描く。SYNAPS-Iチームは、DOEのビームラインで収集された科学画像データで両方のモデルをファインチューニングし、それらが訓練された自然画像ドメインから、X線トモグラフィーや中性子散乱の全く異なる視覚的特性に適応させた。
■乾燥ストレス下のブドウの木：15分への短縮が意味するもの
実証アプリケーションは、科学的意義と説明のわかりやすさの両方から選ばれた。バークレー研究所のAdvanced Light Sourceで収集されたマイクロCTスキャンを使用して、SYNAPS-Iパイプラインはブドウの木の茎の完全な3次元ボリュームを再構築し、水輸送を担う微小な管である木部道管を自動的に特定し、乾燥状態が進行するにつれてそれらの管がどのように変化するかを追跡する。
以前は実験のタイムステップごとに専門家による約1か月のアノテーションが必要だった作業が、現在では約15分で完了する。その意義はスピードだけではない。植物の乾燥、ストレス下での材料の破壊、化学反応の進行といった動的な生物学的・物理的プロセスは、事後的な専門家のアノテーションに数週間を費やす余裕のないタイムスケールで展開する。15分で結果が返ってくるということは、装置の前に立つ研究者が、サンプルがまだビーム内にある間に予備的な結果を確認し、サンプルを取り外す前に実験条件を調整するかどうかを決定できることを意味する。
■ChatGPTが競合できない理由：オープンウェイトの要件
これは、プログラム規模の発表では見えにくくなりがちな部分である。DOEのユーザー施設は、結果がまだ査読や公開されていない実験からのデータである、発表前の研究データを扱う。現行の連邦政府のポリシーの下では、そのデータは政府が管理するインフラストラクチャ内に留まらなければならず、処理のために外部ネットワークを通過してはならない。
GPT-4、Gemini、Claudeはすべてクラウドベースの推論システムである。これらを使用すると、データはインフラストラクチャを離れ、プロバイダーが運営するサーバーに移動する。国立研究所の発表前の科学データにとって、そのような取り決めは許容されない。OpenAI、Google、Anthropicは現在、ダウンロードやオンプレミス展開のために最先端モデルのウェイトを配布していない。研究者がビームラインのデータ解析にそれらのシステムを使用したいと考えたとしても、国立研究所のデータ境界内で合法的に行うことはできない。
SAM 3とDINOv3のウェイトをオープンソースのダウンロード可能なモデルとして公開するというMetaの戦略こそが、SYNAPS-Iの展開をアーキテクチャ的に可能にしている。SYNAPS-Iチームはモデルのウェイトをダウンロードし、独自の安全なコンピューティング環境内でビームラインデータを用いてファインチューニングを行い、NERSCのハードウェアに展開した。データが国立研究所のセキュリティ境界を離れることは一度もない。これは単なる好みの問題ではなく、この文脈において機密性の高い発表前の科学データでAI推論を行うための唯一の合法的な経路である。
競争上の意味合いは構造的なものである。クローズドAPIの競合他社ではなく、MetaのAIモデルがDOEの国家AI科学プラットフォームの基盤となっている。それは必ずしもMetaのモデルがあらゆる面で優れているからではなく、Metaが安全な政府インフラストラクチャ内で稼働できる配布戦略を選択したからである。その選択は現在、278の連邦資金提供プロジェクト、50億ドル以上のコミットメント、そして5つの国立研究所と300基のA100 GPUにまたがる展開に反映されている。
■DOEの7施設への拡張を見据えた設計
SYNAPS-Iアーキテクチャは、バークレー研究所固有のプロジェクトとして設計されたわけではない。テンプレートとして設計された。同じパイプラインは、訓練と検証が完了した後、SYNAPS-Iに参加するDOEの基礎エネルギー科学ユーザー施設全7か所に展開される予定である。これには、Advanced Light Source、アルゴンヌのAdvanced Photon Source、ブルックヘブンのNational Synchrotron Light Source II、SLACのLinac Coherent Light Source、Stanford Synchrotron Radiation Lightsource、およびオークリッジのSpallation Neutron SourceのX線および中性子装置が含まれる。
各研究者に独自の解析ワークフローの構築を求めるのではなく、パイプラインを施設のインフラストラクチャに組み込むことの構造的な目的は、ボトルネックの所在を変えることにある。現在、制限要因となっているのは、データにアノテーションを付けることができる人間の専門家の数である。SYNAPS-Iにより、制限要因はそもそも装置がデータを収集できる速度になる。それが、ジェネシス・ミッション・プラットフォームが資金提供を受けた278のプロジェクトすべてにわたって大規模に生み出すよう設計されている移行である。
DOEのダリオ・ギル次官は、Trillion Parameter Consortiumにおいてその野心を次のように説明した。「AI、高度なコンピューティング、実験システムをシームレスに組み合わせることで、SYNAPS-Iはデータが生成されると同時にそれを解析し、リアルタイムで実験を導き、時間のかかる手作業のステップを適応性のある自動化された意思決定に置き換えます。これにより、発見の時間が数日から数瞬に短縮され、ジェネシス・ミッションの可能性を最大限に実現するために不可欠となる、継続的で自己改善的な科学のモデルが確立されます」
■オープンソースが政府の科学研究から得るもの
この取り決めは、潜在的なフィードバックループを生み出す。MetaのモデルはDOEの科学を向上させている。そしてDOEの科学は、ひいてはMetaのモデルを向上させる可能性がある。DOEのビームラインデータで基盤モデルをファインチューニングすることで、モデルが元々訓練された自然画像とは全く異なる視覚ドメインに適応する。それらのファインチューニングされたウェイトがオープンソースチャネルを通じて共有されれば、同様の画像モダリティを扱うすべての科学機関が恩恵を受ける可能性がある。
SYNAPS-Iに取り組む5つの国立研究所の60人の研究者は、プログラムの設計者が「インテリジェントな発見プラットフォーム」と呼ぶものに向けて構築を進めている。これは、AIシステムがデータをより速く処理するだけでなく、仮説の形成を支援し、フォローアップ実験を推奨し、施設間で知識を転送することで、あるビームラインでのブレークスルーがすべての研究者に利益をもたらす施設である。
大統領令14363号によって設定された270日間の初期実証期限は、2026年8月21日頃に到来する。SYNAPS-Iのブドウの木の実証は、かつて1か月かかっていた作業が15分になったという1つの具体的なデータポイントを示している。より広範なプログラムは、その期限が到来する前に、より多くのドメイン、より多くのデータタイプ、より多くの機関にわたってこれを再現する必要がある。
■注目ポイントQ&A
●SAM 3と以前のバージョンのSegment Anythingの違いは何ですか？
SAMとSAM 2は、特定のオブジェクトを1回クリックすることを受け入れ、一度に1つのセグメンテーションマスクを返していました。SAM 3は「プロンプタブル・コンセプト・セグメンテーション」を導入し、「木部道管」や「赤血球」といった短いテキストの説明を与えると、画像内のすべての一致するインスタンスを同時に特定し、正確なピクセルレベルの境界を描きます。これにより、研究者が個々の構造をクリックする必要がなくなり、ラベル付けすべき内容を平易な言葉で説明するインターフェースへと移行しました。既存の評価データセットの50倍以上となる27万の固有の視覚概念を含むSA-Coベンチマークにおいて、SAM 3は人間レベルのパフォーマンスの約75〜80%を達成しています。
●国立研究所の研究者がこの種の解析にChatGPTやGeminiを使用できないのはなぜですか？
連邦政府のポリシーにより、DOEユーザー施設における発表前の研究データは、政府が管理するインフラストラクチャ内に留まることが義務付けられています。ChatGPTやGeminiなどのクラウドベースのAIシステムは、推論のためにデータを外部サーバーに送信する必要がありますが、これらのポリシーの下では機密性の高い科学データに対してそれは許可されていません。MetaのSAM 3とDINOv3はオープンウェイトモデルであり、そのパラメータをダウンロードして政府所有のハードウェアに完全に展開できるため、データが国立研究所のセキュリティ境界を離れることはありません。モデルの品質だけでなく、この構造的な制約こそが、クローズドAPIの競合他社ではなくMetaのモデルがこれらの施設内で稼働している理由です。
●グラム・アンカリングとは何ですか？なぜ科学画像において重要なのですか？
グラム・アンカリングは、大規模な自己教師あり視覚モデルの訓練における特定の失敗モードを解決するために、MetaがDINOv3で導入した訓練手法です。セグメンテーションに視覚モデルを役立てる空間的詳細である密なパッチレベルの特徴は、大規模な訓練が長引くにつれて劣化する傾向があります。グラム・アンカリングは、訓練中に画像パッチ間のペアワイズ類似性関係の一貫性を強制することで、その劣化を防ぎます。マイクロCTスキャンでの木部道管の特定や、X線トモグラフィーでの粒界の特定といったタスクにはパッチレベルでの空間的精度が必要であり、従来の大規模な視覚モデルでは長時間の訓練にわたってその精度を確実に維持できなかったため、これは科学画像において重要です。
●SYNAPS-Iの展開は、参加している5つの研究所外の研究者にとって何を意味しますか？
SYNAPS-Iパイプラインは、Advanced Light Sourceに加えて6つの施設のX線および中性子装置をカバーし、DOEの基礎エネルギー科学ユーザー施設全7か所に展開できるように設計されています。DOEシステム外の大学や機関の何千人もの研究者が毎年これらの施設にサンプルを提出し、データを収集し、SYNAPS-Iが対処しているのと同じ数週間かかるアノテーションのボトルネックに直面しています。パイプラインが設計通りに拡張されれば、15分での結果返却は、SYNAPS-Iプロジェクトに直接関与する60人だけでなく、参加しているビームラインを使用するすべての研究者に及ぶことになります。
元記事: Meta Open-Source AI Cuts DOE Beamline Analysis From a Month to Minutes