1．はじめに

前回のブログで、私たちは43報の論文から19,534ノード、37,260エッジを誇る巨大な「マスターグラフ」の構築に成功したことをお伝えしました。このマスターグラフは、全ノードの99.9%（19,519ノード）が「一つの巨大なネットワーク」として物理的につながっており、圧倒的なドメイン知識を誇る器（インフラ）が完成した瞬間でした。

今回は本ブログシリーズの最終回です。この巨大な情報の海に推論エンジン「ARIA」を放ち、全7問（Q1〜Q7）の実力テストを行った結果を、ありのままに報告します。

「ARIA」が、グラフに眠るドメイン知識をフル活用して物理的に完璧な推論を返した「興奮の瞬間」と、現在のAIアーキテクチャが抱える冷徹な「構造的限界」の双方についてお話しします。

2．数字で見る一斉検証：パラメータ検証結果

ARIAには、推論特性を調整できるパラメータが複数存在します。その代表的なものが、ThresholdとMax Hopです。前者は以前お伝えした通り、因果経路が途中で途絶えた時に、似た因果経路を探す際の類似度閾値として使用されます。後者のMax Hopは、対象ドメインを探索する際の深さ（ホップ数）を制限するパラメータです。

今回、これらのパラメータを「Threshold = 0.5 / 0.7」と「Max Hop = 2 / None」で組み合わせた4パターンで検証しました。推論に用いるクエリは、Q1～Q7（派生クエリを含む9パターン）であり、合計36パターンで一斉検証です。その結果を以下の表にまとめました。

3. 日なた：2万ノードのデータがもたらした「本物の科学的論理」

ARIAの「冷徹な査読者」としての輝きが見られたのが、Q1～Q4のThreshold =0.5での回答です。そこには、思わず専門家もうなる「グラフ由来の科学的推論」がありました。前回のわずか5報という小さなグラフを用いた検証結果と比較すると、記述の科学的、物理的な厚みが明らかに増しています。

欠落を埋める「トレードオフの天秤」（Q1）

Q1では、「VドープMgOの焼結温度のデータが欠落している」という意地悪な条件を設定しました。しかし、ARIAはKGから実在の材料科学論文（“An experimental study on thermal conductivity of MgO…”）のパスを正しく捕捉します。

そこから「V2O5の添加による液相の形成 ➔ 液相焼結（LPS）の起動 ➔ 緻密化（気孔の減少）によるフォノン散乱の抑制（熱伝導率のプラス駆動）」という論理を紡ぎ出した。さらに驚くべきことに、ARIAはグラフの知識ベースから「バナジウムの固溶（Vイオンの置換）による格子欠陥（点欠陥）の生成 ➔ フォノン散乱の増加（熱伝導率のマイナス駆動）」という悪影響も同時に抽出したのです。

このプラスとマイナスのトレードオフを自発的に天秤にかけ、「一般に液相焼結による緻密化の恩恵が欠陥のデメリットを上回るため、総合的には熱伝導率は向上（Improve）する可能性が高い」という、極めて高度な材料科学の論理を組み上げて提示してくれました。

物理の壁を厳格に守る「冷徹な査読」（Q4）

人間側が「エポキシ樹脂に球状MgOフィラーをわずか10vol%添加して、10 W/mKの超高熱伝導率を達成できるか？」という、いささか都合の良い期待を込めた質問を投げかけたQ4に対する回答も鮮烈でした。

ARIAは、実在する熱伝導性エポキシのエッジ（psp:Relation_…_EMC_089）をピンポイントで掴むと、人間側の期待を「10 W/mKからはるかに低い値（Significantly less）に留まる」と一刀両断しました。グラフに刻まれたPSP（プロセス・構造・物性）の制約を忠実に守り、「10vol%という極低充填では、球状粒子が互いに接触して熱を逃がす連続網目（パーコレーションネットワーク）を形成することは物理的に不可能であり、粒子はマトリックス中に孤立する」という冷酷なファクトを、LLMの事前知識と融合させて正確に提示したのです。

4．日陰：なぜAIは「2万ノードの海」で溺れたのか？（敗戦分析）

しかし、工学的に最も価値があるのは、成功よりも「失敗（沈黙）の分析」です。今回のマトリクスは、2つの決定的な構造的ボトルネックを私たちに提示してくれました。

1. Threshold=0.7における「完全な絶壁」
   2万ノードもの知識が99.9%地続きで連結しているにもかかわらず、類似度閾値（Threshold）を0.7に上げた瞬間、すべてのクエリが信頼度0.0（パス未発見）で全滅しました。
   
   これは、現在の検索手法が「長文の質問文を丸ごとベクトル化して類似度を計算」していることに起因します。どれだけ背後に巨大な知識ベースがあっても、類似度0.7を超える強力なエントリーポイント（グラフへの着火点）を1つも発見できなくなるためです。これが、現行アーキテクチャの限界の一つ目です。
2.  Max Hops「2」と「None」の完全一致（真のエンベディングの罠）
   先ほどのマトリクス表を縦に見てください。Threshold=0.5のエリアでは、探索の深さを2ホップに絞った時と、制限なし（None）にした時で、信頼度数値が全て完全一致しています。
   
   これが２つめの現行アーキテクチャの限界、「エンベディングの罠」です。
   
   どれだけ巨大なグラフが地続きに繋がっていようとも、クエリ全体の長文ベクトルに引きずられて最初の一歩（エントリーポイント）が特定の論文エリアに偏ってしまうと、ARIAはその最初の一歩の「極めて狭い近傍（2ホップ以内）」の知識しか触ることができません。
   
   いくらMax Hopsを変えようとも、2ホップ先にあるハブ概念（concept:MgO や concept:HybridBonding）の壁（Thresholdの制約）を跨ぎ越して、異なる論文同士の知識を鎖のように繋ぐ「マルチホップ探索（深い海の旅）」には、最初から1歩も出られていなかったのです。だからこそ、多変数トレードオフ（Q5）や、CuからAlへの材料間類推（Q6）では、1つのファクトも拾えず即死（0.0）してしまったのだと考えられます。
   
   

5. おわりに：「広大な知の大地 = マスターグラフ」は完成した。次なる「探索機 = 推論ロジック」のアップデートへ

本ブログシリーズ『LLM×KG融合が拓く新時代』は、独自の自動抽出パイプライン「VibLog」の立ち上げから始まり、2万ノードのマスターグラフ構築、そして今回の厳格なパラメータ検証まで、工学的な誠実さを貫いて駆け抜けてきました。

私は、単なる「AIの作文おもちゃ」ではなく、数万の専門知識がPSPチェーンとして地続きになった「広大な知の大地」を構築できることを示しました。そして同時に、「ARIAという推論ロジックを装備した探索機」がその大地を縦横無尽に駆け巡るための「入り口の狭さ（エンベディングの限界）」という、次なるブレイクスルーへの明確な標的を捉えることができました。

この壁を突破するためのアイデアは浮かんでいます。

1. クエリのエンティティ分解（マルチエントリーポイント化）： 長文を丸ごと投げて雰囲気に頼るのをやめ、入力クエリから「CMP」「Inoue_2021」「Reliability」などの重要キーワード（エンティティ）を事前に抽出し、それぞれのキーワードを個別の起点としてグラフ内を並行探索させる。
2. ハブ経由の強制ホップアルゴリズム： 共通概念（ハブ）に到達した際、明示的に異なるpaper_idを持つエッジへのトラバース（横断）を促すスコアリングロジックの導入。

探査機に上記アイデアを実装するドラマは、近い将来、新ブログシリーズとして皆さんにお届けしたいと思っています。

これまで本シリーズをお読みいただき、本当にありがとうございました。探求の旅は、ここからさらに加速します。

次回、新シリーズの幕開けにご期待ください！

※本記事に記載されている会社名・製品名・サービス名は、 各社の商標または登録商標です。

Profile