Google DeepMind、Gemini Deep ThinkをOlympiad後の数学・物理・computer science研究へ拡張

Google DeepMindがFebruary 11, 2026に公開したGemini Deep Thinkの記事は、benchmarkの強さを示す段階から、実際のresearch workflowへ踏み込む主張へと重心を移した内容だ。会社は、expert mathematicianとscientistの指導のもとで、Gemini Deep Thinkがいまやmathematics、physics、computer scienceの専門研究課題の解決を支援していると説明した。対象がOlympiad型の単発問題ではなく、literature review、誤り検証、反復修正を伴うopen-ended researchに広がっている点が重要だ。

Google DeepMindは今回の発表を、2025年のInternational Mathematics Olympiad Gold-medal standard達成と、その後のInternational Collegiate Programming Contestでの類似成果の延長線上に置いている。ただしFebruary 2026の更新はそこからさらに踏み込む。会社は2本の新論文と、Aletheiaという内部のmath research agentを結びつけて説明した。AletheiaはGemini Deep Thinkにnatural-language verifier、iterative revision loop、Google Search、web browsingを組み合わせ、候補解の欠陥を洗い出し、誤った案を棄却し、spurious citationや計算ミスを減らすよう設計されているという。

評価指標もかなり強い。Google DeepMindによれば、inference-time computeを増やすにつれてGemini Deep ThinkはIMO-ProofBench Advancedで最大90%に達し、internal FutureMath Basic benchmarkのPhD-level exerciseでも同じscaling trendが続いた。さらに会社は点数だけでなく研究成果を前面に出している。arithmetic geometryにおけるeigenweightsのautonomous paper、independent setsに関するhuman-AI collaboration paper、そしてBloom's Erdos Conjectures databaseの700件のopen problemをsemi-autonomousに調べ、4件のopen questionにautonomous solutionを得たと紹介した。

computer scienceとphysicsの事例も具体的だ。Google DeepMindはGemini Deep Thinkがalgorithms、combinatorial optimization、information theory、economics、physicsにまたがる18件の研究課題に貢献したと述べる。例として、continuous mathematicsの道具を持ち込んでMax-CutとSteiner Treeの行き詰まりを破ったこと、online submodular optimizationで10年来続いた直感を反例で覆したこと、ML optimizationにおけるadaptive penalty効果の説明、AI token allocationに向けたauction theory結果の拡張、そしてcosmic-string radiation計算のsingular integralに対する新しい処理法が挙げられている。

もちろん注意点もある。これはGoogle DeepMindがまとめた共同研究の説明であり、AIが研究者を独立に置き換えたという主張ではない。会社自身も、AI-assisted math taxonomyにおける最上位のbreakthrough noveltyは主張していない。それでも今回の発表がhigh-signalなのは、frontier modelをverification loop、browsing、domain expert oversightを伴うscientific collaboratorとして位置づけ直しているからだ。もし結果がpeer reviewと外部再現を通過するなら、Gemini Deep Thinkはcontest performanceから実際のresearch productionへ移行する代表例の一つになる可能性が高い。