まず押さえたい3点

  • 初回公募は203件から31件を採択。戦略目標達成型12件、国際・融合研究型19件で、契約後に研究を開始します。
  • AI研究者と各分野の研究者を共同研究代表者とし、データ管理計画と計算資源利用計画を研究計画へ組み込みます。
  • 戦略目標達成型は目標別に総額最大30億円、20億円、10億円などの枠を設けますが、個別課題の配分額や最終的な成果は今後の評価次第です。

何が起きた・決まったのか

採択は決定済みですが、研究費の交付は契約締結が前提です。採択課題は、材料探索、生命科学、医療、気象・災害、ロボティクス、社会科学などに広がり、大学だけでなく研究機関や企業の研究者も含みます。戦略目標達成型は、国が示す大きな研究目標へ複数課題を配置する設計です。国際・融合研究型は、異分野・国際連携を通じて新しい方法や研究領域を生み出すことを狙います。

公募要領は、データ管理、計算資源、研究セキュリティ、オープンサイエンス、博士学生の処遇、若手研究者、URAなどを計画に含めるよう求めています。AIモデルだけを開発して終わるのではなく、学習データの品質、実験による検証、研究成果の共有、研究者育成までを一体で扱う制度です。

背景と社会的な意味

科学研究では、実験装置の高性能化と論文・観測データの増加により、人間だけでは探索しきれない領域が広がっています。AIは候補の絞り込み、仮説生成、実験条件の最適化を支援できます。研究者が試行錯誤へ使う時間を減らし、従来見落としていた規則性を見つけられる可能性があります。

同時に、AIは研究の入口を狭めることもあります。学習データが豊富なテーマ、正解を数値化しやすい課題、巨大な計算資源を利用できる組織ほど有利です。研究の多様性を守るには、予測精度だけでなく、新しい問いを生んだか、実験で反証できたか、データや手法を他者が検証できるかを評価する必要があります。

反対面・限界・まだ分からないこと

31件の採択は研究成果の保証ではありません。個別配分額、契約条件、計算資源の割当、データ公開範囲は課題ごとに異なり、今後の調整が必要です。AIが示した相関を因果関係と誤認したり、偏ったデータを再生産したりするリスクもあります。

また、重点枠の金額が大きいほど、研究チームの事務・調達・情報管理負担も増えます。AI研究者と分野研究者の共同代表制が実質的な共同意思決定になるか、片方が技術提供者にとどまらないかは運用で決まります。論文数やモデル精度だけでは、大学に研究能力が残ったかを測れません。

編集部の確認ポイント

  • 各課題の契約、研究開始時期、個別配分額と計算資源がどう確定するか。
  • AI研究者と分野研究者の権限、知財、成果発表、データ責任をどう分担するか。
  • 博士学生・若手研究者に安定した雇用、教育、研究成果への適切な帰属があるか。
  • 予測精度だけでなく、実験再現性、反証、公開データ、分野横断の学習を評価するか。
  • 大規模大学以外もデータ・計算資源・共用設備へアクセスできる仕組みが育つか。
  • 支援終了後もAIと各分野をつなぐ専門人材、データ基盤、共同研究体制が残るか。

本記事は、2026年9月29日のJST発表、採択課題一覧、公募概要・公募要領を照合し、採択済みの事実、契約後に始まる研究、編集部の見立てを区別して記述しました。