数学でもっとも有名な未解決問題が、AIに少しだけ動かされました。Anthropicは2026年8月10日、未公開の研究版Claudeが、リーマンゼータ関数の零点のうち 「リーマン予想を満たすと証明された割合」の下限を41.6%から67.2%へ引き上げたと発表しました。約60のサブエージェントが約1日半動き、650個のアイデアを試して全部失敗し、それでも54本の論文を読み込んだ先で、分野の違う2本の既存論文をつなぐ道を見つけた——エンジニアなら道具立てのすべてに見覚えのある、そんな数学の前進です。

ただし最初に、この記事でいちばん大事な線引きをしておきます。

⚠️ 先に線引き：これは「リーマン予想の証明」ではありません
  • 今回の結果は、リーマン予想そのものの証明ではありません。予想の主張は「100%」であり、67.2%はその途中経過です（意味は本文§2で解説します）
  • 結果はLeanによる形式検証と数学者のレビューを経ていますが、従来の学術誌の査読プロセスはこれからです
  • 使われたのは「未公開の研究版Claude」で、モデルは公開されておらず、同じ実験を第三者が再現することはできません

以上はすべてAnthropic自身が公式ページで開示している情報です。この線引きを踏まえたうえで、それでも面白い話なので、順番に見ていきます。

🧮 1. リーマン予想とは — 150年解けない「素数の設計図」

まず主役の予想を、数式最小限で押さえます。ご存じの方は§3まで飛ばしてください。

出発点はリーマンゼータ関数です。自然数の逆数を s 乗して足し合わせた、見た目は素朴な関数です。

\zeta(s) = \sum_{n=1}^{\infty} \frac{1}{n^{s}} = 1 + \frac{1}{2^{s}} + \frac{1}{3^{s}} + \frac{1}{4^{s}} + \cdots

この関数が特別なのは、素数と深く結びついているからです。クレイ数学研究所の解説にあるとおり、リーマンは1859年、素数の分布（数直線の上に素数がどんな間隔で現れるか）が、このゼータ関数のふるまいと密接に対応していることを見抜きました。素数は一見バラバラに現れますが、その「乱れ方」の情報がゼータ関数に畳み込まれている——だからゼータ関数を理解することは、素数の設計図を読むことに近いのです。

鍵を握るのが、ゼータ関数の値がゼロになる点、すなわち零点です。零点のうち自明でないもの（興味深いもの）は、複素平面上の限られた帯の中にあることが分かっています。リーマン予想が主張するのは、次の一点です。

「自明でない零点は、すべて実部が1/2の直線（臨界線）の上にある」

たったこれだけの主張が、1859年から160年以上、誰にも証明できていません。クレイ数学研究所が1問100万ドルの懸賞金をかけた7つのミレニアム懸賞問題のひとつであり、コンピュータによる数値検証では最初の10兆個の零点まですべて臨界線上にあることが確かめられているのに（クレイ数学研究所）、「すべてそうである」ことの証明には誰も届いていません。

💡 ワード解説：なぜ数値検証では証明にならないのか

零点は無限にあります。10兆個調べて全部が臨界線上にあっても、「10兆1個目」が外れている可能性は論理的には消えません。逆に、臨界線から外れた零点がたった1個見つかれば予想は崩壊します。有限個の確認では終わらない——ここが「証明」という行為の厳しさであり、この後の§2の「割合」の話につながります。

📏 2. 41.6%→67.2%は何の数字か — 「証明済みの下限」の正確な意味

今回の数値を正確に受け取るために、この節がいちばん重要です。

リーマン予想の主張は「零点の 100% が臨界線上にある」です。これが証明できない代わりに、数学者たちは「少なくともこの割合の零点は、リーマン予想を満たす（臨界線上にある）と証明する」という部分的な前進を積み重ねてきました。Anthropicの公式ページによると、この「証明済みの割合の下限」は、数十年をかけて少しずつ引き上げられ、これまでの到達点が 41.6% でした。

今回、研究版Claudeが証明したのは、この下限を 67.2% まで引き上げる結果です。位置関係を図にするとこうなります。

リーマン予想の主張：「非自明な零点の100%が臨界線上にある」

証明済みの下限（少なくともこの割合は臨界線上にあると証明された）：

0%
├────────────── 41.6%   ← これまでの到達点（数十年の積み上げ）
├━━━━━━━━━━━━━━━━━━━━━━ 67.2%   ← 今回のClaudeの結果
└─────────────────────────────────── 100%  ← ここに届いて初めて「証明」

くり返しになりますが、67.2%は100%ではありません。この方向の研究をどれだけ積み上げても、100%未満のままではリーマン予想の証明にはなりません（99.9%でも、残りに反例が潜む可能性は消えないため）。Anthropic自身も、Claudeが使った技法がリーマン予想の証明につながるとは考えていない、と明言しています。それでも、数十年かけて41.6%まで来た数字が一度の研究で67.2%へ動いたことは、この分野の「前線」がはっきり前に出た、ということです。

🤖 3. 60のエージェントは何をしたのか — 650回の失敗と2本の論文

ここからが本題、どうやっての話です。Anthropicの公式ページに書かれた道具立ては、AIエージェントを触ったことのあるエンジニアなら見覚えのあるものばかりです。

項目 内容（Anthropic公式）
使用モデル 未公開の研究版Claude
期間 約1日半・2セッション
出力トークン 合計約3,100万
サブエージェント 約60
シェルコマンド実行 約2,400回
読んだ論文 arXivから54本を取得
失敗したアイデア 650個

流れを図にします。

graph TD
    O["研究版Claude（オーケストレーター）"] --> S["約60のサブエージェント"]
    S --> I["アイデアを生成して検証
初期段階で650案 → すべて失敗"]
    S --> C["シェルコマンド 約2,400回
計算・検証を実行"]
    S --> A["arXivから論文54本を取得して読み込み"]
    I --> K["突破口の発見"]
    A --> K
    K --> B["Baluyotらの研究 × Bombieri（2000年）の論文
異なる系譜の2本を接続"]
    B --> R["証明済み下限：41.6% → 67.2%"]
    R --> L["Leanで形式化・GitHub公開
＋数学者による検証"]

注目したいのは、突破口が新しい数学の発明ではなかったことです。公式ページの説明によると、決め手は既存研究の「接続」でした。Montgomeryという数学者の古典的な手法には、ある仮定が必要でした。Baluyotらの研究はその手法を仮定なしで使えるように拡張しており、ClaudeはこれをBombieriの2000年の論文と組み合わせることで、従来の到達点を超えられることを見つけたのです。

650個のアイデアがすべて失敗した後にこの接続へたどり着いた、という順番も含めて、これは人間の研究者がやっていることと同じ形をしています。違うのはスケールです。54本の論文を丸ごと読み、650案を潰し切る作業を約1日半でやり切る——総当たりに近い探索を、疲れず、腐らず、並列に回せることがエージェント群の強みとして、そのまま数学に持ち込まれました。

✅ 4. その証明は信用できるのか — Leanと人間の数学者

「AIが証明したと言っても、間違っているかもしれないのでは？」——当然の疑問で、ここに今回の発表のもうひとつの見どころがあります。

💡 ワード解説：Lean（定理証明支援系）

Leanは、数学の証明を機械が検証できる形式で書くためのプログラミング言語（定理証明支援系）です。証明をLeanのコードとして書くと、小さく信頼性の高い検証カーネルが論理の飛躍や誤りを機械的にチェックします。公式サイトによると、100万行を超える数学ライブラリ Mathlib が整備され、フェルマーの最終定理の形式化プロジェクトなど、現代数学の検証に実際に使われています。「人間が読んで納得する証明」を「機械が検証できる証明」に変える道具です。

今回の結果は、この検証の網を通っています。公式ページによると、Claudeはスタッフの Eric Easley と共同で結果のLean形式化を作成し、標準の検証を通過、コードはGitHubで公開されています。加えて人間側の検証として、Anthropic所属の数学者 Alpöge と Furman が結果を確認し、外部の専門家である Conrey と Goldston も短期間のレビューを行ったとされています（いずれもAnthropicの記載に基づく帰属情報です）。

それでも冒頭の線引きどおり、従来の意味での学術誌の査読はこれからですし、実験自体の再現は使用モデルが非公開である以上できません。「形式検証は通っている・人間の専門家も見た・ただし通常の学術プロセスは未完」——現状はこの三点で受け取るのが正確です。

🔭 5. これは何を意味するのか — 「接続」はAIの土俵

今回の成果の型——既存の知見を大量に読み、失敗を大量に許容し、分野をまたいだ接続を見つける——は、実はAIエージェントに向いた仕事の型そのものです。

人間の研究者は、自分の専門の系譜は深く知っていても、隣の分野の2000年の論文と2010年代の研究を「つなげたら超えられる」と気づくには、運と博覧強記が要ります。54本を精読して650回失敗する探索は、人間には時間的にも精神的にも高くつきます。AIはそこが安い。新しい数学を発明する力ではなく、散らばった数学を接続する力で前線が動いたという事実は、この先AIが研究の道具としてどこで効くのかを、かなり具体的に示しています。

当サイトでは7月に、Claude Fable 5 がヤコビアン予想の反例候補を生成した件を扱いました。あちらは「反例を探す」方向、今回は「証明済みの境界を押し上げる」方向で、AI×数学のアプローチとして好対照です。半月の間に性質の違う2つの前進が並んだこと自体が、生成AIの主戦場が「行動するAI」へ移った2026年の空気をよく表しています。

📌 筆者の見方

筆者は数学の専門家ではないので、証明の中身そのものは検証者たちの報告を信頼するしかありません。そのうえで、Claude Codeでサブエージェントを日常的に使っている立場から見ると、公式ページに並ぶ数字の生々しさに驚きました。約60のサブエージェント、約2,400回のシェルコマンド、650回の失敗——これは私たちが毎日CLIでやっていることと同じ道具立てで、違うのは回す規模と対象だけです。

これは意見ですが、いちばん示唆的なのは「650案すべて失敗」が成果の一部として公表されている点だと感じます。人間のプロジェクトなら、650連敗の時点で予算会議が止めにきます。失敗を安く大量に積めることがエージェントの本質的な強みで、それが数学のような「ほぼ全部の試みが失敗する分野」と噛み合った——自分の開発でも、エージェントに任せるべきは「正解を出す仕事」より「失敗を大量に引き受ける仕事」なのだと、あらためて考えさせられました。

まとめ

  • Anthropicは8月10日、未公開の研究版Claudeが、リーマンゼータ関数の零点のうち 「リーマン予想を満たすと証明された割合」の下限を41.6%から67.2%へ引き上げたと発表しました。
  • これはリーマン予想の証明ではありません。予想の主張は100%であり、Anthropic自身もこの技法が証明につながるとは見ていません。従来型の査読も未了、使用モデルも非公開です。
  • 突破口は新しい数学の発明ではなく、Baluyotらの研究とBombieriの2000年論文という既存2本の接続でした。約60のサブエージェントが約1日半・約3,100万トークン・650回の失敗の末にたどり着いています。
  • 結果はLeanで形式化されて機械検証を通過し、GitHubで公開。社内外の数学者のレビューも受けています（Anthropic記載）。
  • 「大量に読み、大量に失敗し、分野をまたいで接続する」というAIの得意技が、150年動きの鈍かった前線を実際に押した——道具としてのAIの現在地を示す、前向きな一歩です。

よくある質問（FAQ）

Q. リーマン予想は解けたのですか？

A. 解けていません。リーマン予想は「自明でない零点の100%が臨界線上にある」という主張で、今回証明されたのは「少なくとも67.2%はそうである」という下限です。100%に届かない限り証明にはならず、Anthropic自身も今回の技法が証明につながるとは考えていないと明言しています。

Q. 41.6%や67.2%は何の数字ですか？

A. リーマンゼータ関数の自明でない零点のうち、「リーマン予想を満たす（臨界線上にある）と数学的に証明された割合」の下限です。数十年かけて41.6%まで引き上げられてきた数字が、今回の結果で67.2%になりました（Anthropic公式の記載に基づきます）。

Q. この結果は信用できますか？

A. 結果はLeanという定理証明支援系で形式化され、機械検証を通過してGitHubで公開されています。Anthropic所属の数学者に加え、外部の専門家Conrey氏・Goldston氏のレビューも受けたとされています。一方で、従来の学術誌の査読プロセスは完了しておらず、その点は割り引いて受け取る必要があります。

Q. どうやって見つけたのですか？

A. 約60のサブエージェントが約1日半・2セッションで動き、初期に生成した650個のアイデアはすべて失敗。arXivから54本の論文を取得して読み込む中で、Montgomeryの古典的手法を仮定なしで使えるようにしたBaluyotらの研究と、Bombieriの2000年の論文を組み合わせれば従来の到達点を超えられることを発見しました（Anthropic公式）。

Q. 使われたClaudeは私たちも使えますか？

A. 使えません。「未公開の研究版Claude」とだけ説明されており、モデルは公開されていません。このため、同じ実験を第三者が再現することもできません。

Q. AIは数学者を置き換えるのでしょうか？

A. 今回の成果が示したのは置き換えではなく分業です。新しい数学の発明ではなく、既存研究の大量読解と接続、そして650回の失敗を厭わない探索という「AIの得意な型」で前線が動きました。検証と意味づけには引き続き人間の数学者が関わっています。

参考

関連記事