シリーズ
一つのテーマを順番に追うシリーズの一覧です。
原子をどう計算するか 全3回
- 第1回 第一原理計算の主力DFTは密度で解く——正確だが遅い理由 2026/7/25
- 第2回 機械学習ポテンシャル(MLIP)はDFTを高速に近似する 2026/8/14
- 第3回 MLIP順位表は実用性を保証しない——安定性上位でも崩れうる 2026/7/21
AI協働への姿勢 全15回
- 第1回 AIの成果物を任せるには、モデルの外側を設計する 2026/7/12
- 第2回 ソフトウェア開発観が、AI協働の姿勢と道具を決める 2026/8/3
- 第3回 AI協働の判断は、機械判定・可逆性・静かな失敗で仕分ける 2026/7/20
- 第4回 人手を残す理由は、ドメイン知識と責任という中身にある 2026/7/23
- 第5回 AIを使う前に、その分野の理想形を学べ 2026/7/13
- 第6回 AI出力の検証と、生成前の仕様設計 2026/7/16
- 第7回 AIへの委譲を線引きする——タスクの仕分けと知識の配置 2026/7/17
- 第8回 AI出力の検証は、指示でなく機構ゲートで 2026/8/1
- 第9回 エージェントの文脈設計——記憶の外部化と意図の固定 2026/8/2
- 第10回 多数のAIエージェントの統治と、爆発半径の封じ込め 2026/8/3
- 第11回 エージェントの組織化に、マネジメント技術は半分だけ効く 2026/8/7
- 第12回 AI委譲の判断——非決定性のコストと、来歴の担保 2026/8/3
- 第13回 学習はAI活用の第一級設計変数——生産性偏重の盲点 2026/8/10
- 第14回 AI協働の問題は大半が古い——壊れた前提だけが新しい 2026/8/14
- 第15回 AIは従来の学習手段と何が違うか——三つの認知負荷で測る 2026/8/14
コンピュータで材料を探す 全4回
- 第1回 組み合わせ爆発——材料の候補は天文学的で全部は試せない 2026/6/26
- 第2回 スクリーニングの漏斗——天文学的な候補を数個まで削る 2026/6/21
- 第3回 AIによる材料発見——ふるいには効くが発見者にはまだ早い 2026/6/21
- 第4回 能動学習——次に試す実験を最小のコストで選ぶ 2026/7/18
凸包 全3回
- 第1回 材料の安定性は凸包で決まる——競合配置との相対値 2026/7/8
- 第2回 原子の基盤モデル——ニューラルネットに力を覚えさせる 2026/7/8
- 第3回 220万個の新材料——検証で736件まで縮んだ数字 2026/7/8
製造業の世界観・素人が聞けない原理 全3回
- 第1回 歩留まり——良品率の掛け算が利益と壊滅を分ける 2026/6/26
- 第2回 公差——避けられないばらつきを許される幅に収める 2026/6/21
- 第3回 スケールの壁——「作れる」と「量産できる」は別の問題だ 2026/6/21
世界トップのものづくりを解剖する 全3回
- 第1回 MLCC——スマホに約千個入る部品で村田製作所が世界一 2026/6/21
- 第2回 ソニーのイメージセンサ——光を数える半導体で世界の約半分 2026/6/26
- 第3回 トヨタ生産方式——「作りすぎ」を最悪のムダとみなす思想 2026/6/26
シミュレーションで材料を試運転する 全3回
- 第1回 分子動力学——原子の運動を計算し、結晶の融解を再現する 2026/6/26
- 第2回 拡散——原子はランダムウォークで少しずつ混ざる 2026/6/25
- 第3回 材料が壊れる瞬間——ひびは「一番弱いキズ」から走る 2026/6/25
AIエージェントは、実際どう動くのか 全4回
- 第1回 AIエージェントとは何か——LLMをループと道具で包んだもの 2026/6/21
- 第2回 ハーネス——同じモデルでも“外側”で成績は動く 2026/6/21
- 第3回 コンテキストエンジニアリング——机に載せる最小限を選ぶ 2026/6/21
- 第4回 掛け算の残酷さ——なぜデモは凄いのに実用は脆いのか 2026/6/21
原子の世界の歩き方 全3回
- 第1回 ダイヤモンドと鉛筆の芯は、同じ炭素なのになぜ正反対なのか 2026/6/21
- 第2回 金属はなぜ曲がり、ガラスはなぜ割れるのか 2026/6/21
- 第3回 温度の正体は原子の運動——激しく揺れるほど熱い 2026/6/21