Gemini Deep Think は数学、物理学、コンピュータサイエンスにまたがる自律的研究を可能にする

TL;DR

Gemini Deep Think、DeepMind の高度な推論モードは、現在、自律的かつ協調的エージェントに搭載され、数学、物理学、コンピュータサイエンスの研究レベルの問題に取り組み、出版可能な成果を生み出し、未解決の予想を解決します。

Gemini Deep Think の概要

Gemini Deep Think は、深く多段階の推論を可能にする Gemini 基礎モデルの特殊モードです。2025 年国際数学オリンピックと国際大学プログラミングコンテストで金メダル性能を達成した後、このモデルは純粋数学、理論物理学、コンピュータサイエンスの専門的研究ワークフローに展開されています。

数学研究エージェント：Aletheia

主な機能: Aletheia は Gemini Deep Think 上に構築された数学研究エージェントで、解答を反復的に生成・検証・改訂します。

自然言語検証器 – 候補証明の論理的欠陥を検出し、軽微な修正、重大な改訂、または完全な再生成を要求できます。
失敗の表明 – エージェントは問題を解けないと明示でき、計算資源の無駄を防ぎます。
Web 補強検索 – リアルタイムの Google 検索とブラウジングで最新文献を取得し、根拠のない引用や計算ミスを回避します。

"検証器は 3 つのフィードバックループを持つ意思決定点として機能する：正しい → 最終出力；軽微な修正 → 改訂者；致命的に欠陥あり → 生成器再起動。" – DeepMind ブログキャプション。

パフォーマンスベンチマーク

推論時の計算規模が拡大するにつれて、IMO‑ProofBench Advanced テストで 90 % までスコアを達成。
社内 FutureMath Basic ベンチマークは、同じスケーリング法則が博士課程レベルの演習にも適用できることを示す。
以前の Gemini バージョンと比較して、低い推論計算でより高い推論品質を実現。

研究貢献

貢献	AI の関与度	結果
Eigenweights (Feng26)	完全自律	人間の介入なしで算術幾何学の新しい構造定数を計算
Independent‑set bounds (LeeSeo26)	人間‑AI 協働	相互作用粒子系に関する新しい上界の証明
Erdős‑1051 (BKKKZ26)	人間‑AI 協働	自律的解決が一般化され、査読付き論文として掲載
Semi‑autonomous evaluation (Feng et al., 2026b)	混合	Bloom の Erdős 予想データベース上で 700 件の未解決問題を評価し、4 件の質問を解決
Intermediate propositions (FYZ26, ACGKMP26)	混合	2 本の別々の論文に重要な補題を提供

DeepMind は AI 支援数学の分類法を提案しています：

レベル 0 – 完全自律的成果（例：Erdős‑652、654、1040）。
レベル 1 – 未解決問題への自律的解答（例：Erdős‑1051）。
レベル 2 – 人間‑AI 協働または混合貢献で、ジャーナルに投稿されたもの（例：Eigenweights、Independence Polynomials）。
レベル 3‑4 – 主要な進展や画期的ブレークスルー – 現在は空欄。

すべてのプロンプトとモデル出力は、Aletheia GitHub リポジトリで公開されています。

物理学とコンピュータサイエンスへの拡張

第 2 論文 (arXiv:2602.03837) は、同じエージェント的推論を理論物理学と CS に適用しています。

新しい協働レシピ

アドバイザーモデル – 人間が AI を反復的な "Vibe‑Proving" サイクルで導き、直感と形式的証明を交互に行う。
バランスプロンプト – 証明と反証の両方を要求し、確証バイアスを緩和。
コード支援検証 – AI がテストコードを生成し、数学的主張を自動的に検証。

ハイライトされた事例研究

アルゴリズムパズル – Gemini は古典的 Max‑Cut と Steiner Tree 問題を、連続数学のツール（Kirszbraun 定理、Stone‑Weierstrass 定理）を取り入れて解決。
オンライン部分集合最適化予想 – データストリームにおけるアイテムコピーに関する 10 年前の直感を覆す、3 項の反例を作成。
ML 最適化ペナルティ – 新しい適応ペナルティ手法を分析し、収束を形式的に証明。
オークション理論拡張 – トポロジーと序数理論を用いて、合理的入札から実数入札への Revelation Principle を拡張。
宇宙弦放射 – Gegenbauer 多項式を用いて特異積分の閉形式解を導出。

これらの成果は会議（例：ICLR ’26 採択）で発表され、ジャーナル投稿が予定されています。本研究は、AI が異分野を橋渡しし、高レベルの協働者として機能できることを示しています。

科学的ワークフローへの影響

フォースマルチプライヤー – Gemini Deep Think は知識検索、厳密な検証、低レベルの証明チェックを担当し、研究者は概念的イノベーションに集中できる。
責任ある文書化 – 分類法と “Human‑AI Interaction card” は、AI の貢献を透明に報告する枠組みを提供。
スケーラブルな協働 – エージェントパイプライン（生成器 → 検証器 → 改訂者）は、完全自律研究と人間‑AI ガイド型パートナーシップの両方を可能にする。

DeepMind は Gemini Deep Think を、純粋数学探索、IMO 銀メダル解答、AlphaEvolve コーディングエージェントなど、これまでのマイルストーンに続く次の進化段階と位置付けています。

参考文献

Gemini Deep Think 論文: arXiv:2602.10177 と arXiv:2602.03837。
Aletheia のプロンプトと出力: https://github.com/google-deepmind/superhuman/tree/main/aletheia。
関連 DeepMind ブログ記事: Exploring the Beauty of Pure Mathematics、FunSearch、AlphaEvolve、Gemini for STOC’26。

謝辞

本プロジェクトは Google DeepMind 全体の大規模な協働により実現され、Thang Luong と Vahab Mirrokni がリーダーシップを取り、Tony Feng、David Woodruff らが技術的貢献を行い、世界中の数学コミュニティ（Terence Tao、Ravi Vakil を含む）から広範なフィードバックを受けました。