テレビ売り場で「量子ドット」という言葉を見かけたことがある人は多いはずです。鮮やかな色が売りの高級テレビに使われている、あの技術です。ところが、この量子ドットには長年こびりついた地味な悩みがありました。粒をきれいに並べる「塗り方」が職人の勘頼みで、いい条件を見つけるまでにひたすら試作を繰り返すしかなかったのです。この積年の作業を、AIがあっさり片づけてしまったという話が「AIがQLEDのレシピを解明、効率2倍・寿命40倍に」で報じられました。効率が約2倍、寿命が40倍超という数字が、どうやって生まれたのかを見ていきます。
「粒をきれいに並べる」ことが、なぜそんなに難しいのか
量子ドットとは、直径が数ナノメートル（1ナノメートルは100万分の1ミリ）しかない半導体の微粒子です。粒の大きさを変えるだけで発する色が変わるという不思議な性質を持ち、鮮やかで純度の高い色を出せることから、次世代ディスプレイの主役候補とされています。2023年のノーベル化学賞の対象になったことで、名前を覚えた人もいるかもしれません。
今回研究チームが狙ったのは、この量子ドット自体を電気で光らせる自発光型のQLED（量子ドット発光ダイオード）です。テレビ売り場でよく見る「QLEDテレビ」の多くは、実は量子ドットを液晶の色づけに使うタイプで、今回の話とは別物です。研究対象の自発光型は、液体にした量子ドットを基板に塗って乾かすだけで薄膜が作れるため、大きな画面を安く量産できると期待されています。
問題は、その塗る工程にありました。高い性能を出すには、量子ドットの粒をレンガのように隙間なく均一に並べる必要があります。ところが、粒を溶かす溶媒、つまり量子ドットを液体状にするための液の選び方ひとつで、明るさや寿命が大きく変わってしまう。しかも、どの溶媒を使えばどう並ぶのかを事前に予測できず、研究者は経験と試作の繰り返しで探るしかありませんでした。時間もお金もかかる、答えの見えない手探りだったのです。
AIに「並び方の法則」を教え込む
では、この手探りをどうやって減らせばいいのでしょうか。研究チームが出した答えは、溶媒の性質と量子ドットの並び方の関係を、AIに丸ごと学習させることでした。
まずチームは、代表的な5種類の溶媒を使って量子ドットの薄膜を実際に作り、その表面がどれだけ均一かを原子間力顕微鏡（AFM）で測定しました。AFMは、とても細い針で表面をなぞってナノレベルの凹凸や粗さを読み取る装置です。
次に、溶媒が持つさまざまな性質、たとえば蒸発のしやすさ（蒸気圧）、粘り気（粘度）、密度、電気の伝わりやすさ（誘電率）といったデータと、それに対応する薄膜の仕上がりのデータをAIに学ばせました。ここで面白いのは、AIの使い方が「逆向き」だったことです。普通なら「この溶媒を使えばどんな膜になるか」を予測しますが、チームは発想を反転させ、「最も均一な膜を作るには、どんな性質の溶媒が必要か」をAIに逆算させたのです。ゴールから逆に、必要な材料の条件を割り出す。これが今回の肝でした。
1本では足りないなら、混ぜればいい
ところが、AIが「理想」として示した性質を、そっくり満たす溶媒はこの世に存在しませんでした。蒸発は速いが粘り気が足りない、といったように、どれも一長一短だったのです。
そこでチームは、絵の具を混ぜて狙った色を作るように、複数の溶媒をブレンドしてAIの求める条件を再現しました。この配合は、性質の組み合わせが複雑で、人が試作を繰り返すだけではまず見つからなかったものです。そして、このAI仕込みのレシピで作ったQLEDは、従来の単一の溶媒で作った素子と比べて、効率が約2倍、動作寿命は40倍超へと跳ね上がりました。塗り方のレシピを変えただけで、これだけの差が出たわけです。
研究をまとめた成果は、英国物理学会が発行する学術誌 Reports on Progress in Physics に2026年7月15日付で公開されました。研究チームは、同じ手法が有機EL（OLED）や太陽電池といった他のデバイスにも応用できると見ています。
記者の視点：日本のものづくりが問われる「勘のデジタル化」
この研究で最も注目すべきは、効率や寿命の数字そのものよりも、「職人の勘」をデータに置き換えたという点だと考えます。
材料開発の世界には、長年の経験を積んだ技術者が「これはこの溶媒がいい」と直感で当てる、いわば匠の技が数多く残っています。日本のものづくりが世界で評価されてきた強みの一つも、まさにこうした現場の勘と粘り強い試行錯誤でした。しかし今回、韓国の研究チームが示したのは、その勘の領域にAIが踏み込み、人間では思いつかない配合を短時間で導き出せるという現実です。
ディスプレイや半導体材料は、日本企業が素材や製造装置で強みを持ち続けてきた分野でもあります。だからこそ、開発のやり方そのものがAI主導へと移っていく流れは、他人事ではありません。勘を否定するのではなく、勘をデータとして蓄え、AIに学ばせて次の発見につなげる。そうした「勘のデジタル化」に踏み出せるかどうかが、これからの競争力を左右しそうです。
手探りの時代が終わり、設計する時代へ
冒頭で触れた「職人の勘頼み」という積年の悩みは、AIによって過去のものになりつつあります。作ってみて、測って、また作り直す。その果てしない繰り返しから、ゴールを決めて必要な条件を逆算する「設計」の時代へと、材料開発は静かに舵を切り始めました。
今回の成果は量子ドットの一例にすぎませんが、有機ELや太陽電池にも同じ発想が広がれば、私たちが数年後に手にするスマホやテレビの画質や電池のもちは、AIが選んだレシピの上に成り立っているかもしれません。次にディスプレイ売り場で鮮やかな画面に見入るとき、その裏側で人とAIが一緒に「絵の具の混ぜ方」を探していたことを、少しだけ思い出してみてください。
