LabHub

ブログ

数学 & 科学計算ツール 2026 — Mathematica / MATLAB / Maple / SageMath / Julia 1.11 / R + Posit / JAX / GeoGebra / Desmos / GAP / Macaulay2 徹底ガイド

2026-05-16 · 39 分で読めます · #math#scientific-computing#wolfram-mathematica#matlab#simulink#maple#maplesoft#sagemath#william-stein#julia#julia-1-11#r-language#tidyverse#posit#numpy#scipy#sympy#pandas#polars#geogebra#desmos#gap#macaulay2#magma#singular#cocalc#wolfram-cloud#wolfram-alpha#jax#symbolics-jl#reduce#maxima#pari-gp#deep-dive#japanese

한국어English日本語

プロローグ — 「数学を計算機で解く」の意味が変わった

20 世紀後半の数学ソフトウェアは単純だった。一つの道具 — Mathematica・MATLAB・Maple のいずれか — が全てをこなすことになっていた。学生はライセンス一つに千ドルを払い、大学は十万ドルを払った。コードはその道具の言語の中だけで生きていた。

2026 年の風景は違う。

この記事は地図全体を見る。商用 4 巨人 (Mathematica/MATLAB/Maple/Magma)、オープン総合 (SageMath/Julia/R/Python)、教育ツール (GeoGebra/Desmos)、特化代数 (GAP/Macaulay2/Singular)、クラウド (CoCalc/Wolfram Cloud)、そして CAS 陣営 (SymPy/Symbolics.jl/Maxima/Reduce/Pari-GP) を扱う。最後に学生・研究者・技術者・教育者ごとに、何を選ぶべきかを推奨する。

1. 2026 年の数学・科学計算地図 — 4 分類

道具が多すぎる。一度整理しよう。

┌────────────────────────────────────────────────────────────────┐
│              2026 数学/科学計算の 4 分類                        │
│                                                                │
│  ┌─────────────────┐    ┌─────────────────────┐               │
│  │ 商用総合         │    │ オープンソース総合    │               │
│  │                 │    │                     │               │
│  │ - Mathematica   │    │ - SageMath          │               │
│  │ - MATLAB/Simulink│   │ - Julia 1.11        │               │
│  │ - Maple         │    │ - R + tidyverse     │               │
│  │ - Magma         │    │ - Python sci-stack  │               │
│  └─────────────────┘    └─────────────────────┘               │
│                                                                │
│  ┌─────────────────┐    ┌─────────────────────┐               │
│  │ 教育             │    │ 特化 / CAS          │               │
│  │                 │    │                     │               │
│  │ - GeoGebra      │    │ - GAP (群論)        │               │
│  │ - Desmos        │    │ - Macaulay2 (AG)    │               │
│  │ - Wolfram Alpha │    │ - Singular          │               │
│  │ - Khan / Mathway│    │ - PARI/GP (数論)    │               │
│  │                 │    │ - Maxima / Reduce   │               │
│  │                 │    │ - SymPy / Symbolics │               │
│  └─────────────────┘    └─────────────────────┘               │
└────────────────────────────────────────────────────────────────┘

各分類の思考モデルは違う。

分類思考モデル利用者ライセンス
商用総合「全部一箱に入っている」産業、研究室、ライセンス校の学生有料
オープン総合「自分で積み上げる」研究者、スタートアップ、独学者無料
教育「見て触る」K-12、学部 1〜2 年、教師無料 / 低価格
特化 / CAS「狭い分野で最強」博士後期以上、専門研究者混合

実際の研究室は通常 2〜3 の道具を組み合わせる。MATLAB でシミュレーション、Mathematica で象徴解法、Python でデータ処理。あるいは Julia で PDE を解き、R で統計検証し、SageMath で代数を確認する。一つの道具が全部を高い水準でこなす時代は終わった。

2. Wolfram Mathematica — プレミアム象徴計算の標準

Mathematica は 1988 年に Stephen Wolfram が発表して以来、象徴計算の標準である。2026 年版は 14.x 系。Wolfram Language (WL) という独自言語を持ち、全てを式 (expression) として扱うパターンマッチ型関数型言語である。

中核の強み

コード断片

(* 微分方程式を解く *)
DSolve[{y'[x] + y[x] == Sin[x], y[0] == 1}, y[x], x]

(* インタラクティブウィジェット *)
Manipulate[
  Plot[Sin[a x + b], {x, 0, 2 Pi}],
  {a, 1, 5}, {b, 0, 2 Pi}
]

(* LLM 呼び出しも一行 *)
LLMFunction["この定理を英語で証明して: {1}"][myTheorem]

弱点と批判

2026 年の位置

3. MATLAB + Simulink (MathWorks) — 工学産業標準

MATLAB (MATrix LABoratory) は 1984 年発売以来、電気・機械・自動車・航空分野で事実上の標準。2026 年版は R2026a。Simulink はブロック図ベースのシミュレーションツールで、MATLAB と対になる。

産業が離れられない理由

コード断片

% 状態空間シミュレーション
A = [-0.5 1; 0 -1];
B = [0; 1];
C = [1 0];
sys = ss(A, B, C, 0);
t = 0:0.01:10;
u = ones(size(t));
[y, t] = lsim(sys, u, t);
plot(t, y)

% 信号処理 — FFT
Fs = 1000;
t = 0:1/Fs:1-1/Fs;
x = sin(2*pi*50*t) + sin(2*pi*120*t) + randn(size(t));
Y = fft(x);
P2 = abs(Y/length(x));
plot(Fs*(0:(length(x)/2))/length(x), P2(1:length(x)/2+1))

2026 年の変化

弱点

位置

4. Maple (Maplesoft) — Mathematica の永遠のライバル

Maple は 1980 年にウォータールー大学で始まった CAS。2025 年末に Maple 2025 が出ている。Mathematica としばしば比較されるが、思考モデルが違う。

Mathematica との違い

項目MathematicaMaple
言語パラダイム関数型 + パターンマッチ命令型 + 手続き型
ノートブックノートブック優先Worksheet (保守的) + Math Mode
強み象徴 + データ + 可視化微分方程式 + 数論 + 教科書統合
価格高い高い (少し安め)
学校採用米国・理工系で優勢カナダ + 欧州 + 一部の韓国

Maple の本当の強み

コード断片

# ODE の解
ode := diff(y(x), x, x) + y(x) = sin(x);
sol := dsolve({ode, y(0) = 1, D(y)(0) = 0}, y(x));

# 数論
isprime(2^127 - 1);   # メルセンヌ素数
ifactor(2^256 - 1);

# 段階的解法
Student[Calculus1]:-ShowSolution(int(x^2 * exp(x), x));

位置

5. SageMath — オープンソース総合 CAS

SageMath は 2005 年に William Stein が始めたオープンソース数学システム。目標は明確だった — 「Mathematica/Maple/Magma のオープン代替」。2026 年は 9.x 後半。

構造 — 合成システム

Sage は初めから 他の道具のインタフェース として設計された。Python をインタフェース言語にし、内部で GAP、PARI、Singular、Maxima、FLINT、GMP、NumPy、SciPy、NetworkX など 100 を超えるパッケージを呼ぶ。

┌──────────────────────────────────────────────────┐
│            SageMath = 「組立品」                  │
│                                                  │
│  ユーザーインタフェース (Python + Sage 拡張)       │
│              │                                   │
│  ┌───────────▼───────────────────────────────┐   │
│  │ 象徴: Maxima, SymPy, Pynac                │   │
│  │ 数値: NumPy, SciPy, R                     │   │
│  │ 数論: PARI, FLINT, ECL                    │   │
│  │ 群論: GAP                                 │   │
│  │ 代数幾何: Singular, Macaulay2 (選択)      │   │
│  │ グラフ: NetworkX                          │   │
│  │ LP/MIP: GLPK, PPL, Coin-OR                │   │
│  └───────────────────────────────────────────┘   │
└──────────────────────────────────────────────────┘

コード断片

# Sage は Python のスーパーセット
# 数論
E = EllipticCurve([0, 0, 1, -1, 0])
print(E.rank())               # 0
print(E.j_invariant())

# 微分方程式
x = var('x')
y = function('y')(x)
de = diff(y, x, 2) + y == sin(x)
desolve(de, y, ics=[0, 1, 0])

# 多項式環
R.<x, y> = QQ[]
I = R.ideal(x^2 + y^2 - 1, x - y)
print(I.groebner_basis())

2026 年の状況

位置

6. Julia 1.11 — 科学計算ファースト設計

Julia は 2012 年に MIT が発表した言語。スローガンは明快 — "Walks like Python, runs like C"。2024 年の 1.10 LTS、2025 年の安定版 1.11 を経て、2026 年は 1.12 へ向かっている。

Julia が解く問題 — 二言語問題

Python の科学計算には本質的欠陥がある — ホットループは結局 C/Fortran に降りる。NumPy が速いのは NumPy が C だからだ。Julia は 一つの言語で両方 をこなす — JIT コンパイル + 多重ディスパッチ + 強力な型システム。

コード断片

using DifferentialEquations, Plots

function lorenz!(du, u, p, t)
    σ, ρ, β = p
    du[1] = σ * (u[2] - u[1])
    du[2] = u[1] * (ρ - u[3]) - u[2]
    du[3] = u[1] * u[2] - β * u[3]
end

u0 = [1.0, 0.0, 0.0]
tspan = (0.0, 100.0)
p = (10.0, 28.0, 8/3)

prob = ODEProblem(lorenz!, u0, tspan, p)
sol = solve(prob, Tsit5(), reltol=1e-8, abstol=1e-8)
plot(sol, idxs=(1, 2, 3))

このコードは Python+NumPy で書いた同等版より通常 5〜50 倍速い。さらに SciML エコシステムは PDE、SDE、DAE、neural ODE まで統一インタフェースで扱う。

2026 年の Julia エコシステム

弱点

位置

7. R + tidyverse + Posit (旧 RStudio) — 統計の標準

R は 1993 年に登場した統計専用言語。2026 年は 4.x。R 自体より重要なのは tidyverse エコシステムと、それを率いる会社 Posit (2022 年に RStudio から改名)。

なぜ R は死ななかったか

10 年間「Python が R を置き換える」と言われ続けた。2026 年、R はまだ生きている。理由:

コード断片

library(tidyverse)
library(lme4)

# tidyverse データパイプライン
mtcars |>
  as_tibble(rownames = "model") |>
  group_by(cyl) |>
  summarise(
    mean_mpg = mean(mpg),
    n = n(),
    .groups = "drop"
  ) |>
  ggplot(aes(x = factor(cyl), y = mean_mpg)) +
  geom_col(fill = "steelblue") +
  labs(x = "Cylinders", y = "Mean MPG")

# 混合効果モデル
model <- lmer(mpg ~ wt + (1 | cyl), data = mtcars)
summary(model)

Posit (旧 RStudio)

2022 年に RStudio が Posit へ改名した理由 — 「我々は R の会社ではない、データサイエンスの会社だ」。以後:

弱点

位置

8. Python 科学スタック — NumPy / SciPy / SymPy / Pandas / Polars

Python は 2026 年もデータ・科学・ML の事実上の標準言語。一つの道具ではなく スタック である。

スタック構造

┌──────────────────────────────────────────────────────┐
│              Python 科学スタック (2026)               │
│                                                      │
│  アプリ           ┌────────────────────────────┐    │
│                   │ Jupyter, Streamlit, Dash    │    │
│                   └────────────────────────────┘    │
│  統計 / ML        ┌────────────────────────────┐    │
│                   │ statsmodels, scikit-learn,  │    │
│                   │ PyTorch, JAX                │    │
│                   └────────────────────────────┘    │
│  データフレーム    ┌────────────────────────────┐    │
│                   │ Pandas 2.x, Polars, DuckDB  │    │
│                   └────────────────────────────┘    │
│  象徴 / CAS       ┌────────────────────────────┐    │
│                   │ SymPy                       │    │
│                   └────────────────────────────┘    │
│  数値 / 科学      ┌────────────────────────────┐    │
│                   │ NumPy 2.x, SciPy 1.14+,     │    │
│                   │ Matplotlib                  │    │
│                   └────────────────────────────┘    │
│  低レベル / 加速   ┌────────────────────────────┐    │
│                   │ Numba, Cython, mypyc        │    │
│                   └────────────────────────────┘    │
└──────────────────────────────────────────────────────┘

2026 年の注目点

コード断片

import numpy as np
import polars as pl
import sympy as sp

# 数値
A = np.random.randn(1000, 1000)
e = np.linalg.eigvals(A)

# Polars — Pandas より速いデータフレーム
df = (
    pl.scan_csv("sales.csv")
    .filter(pl.col("amount") > 100)
    .group_by("region")
    .agg(pl.col("amount").sum().alias("total"))
    .collect()
)

# SymPy 象徴解法
x = sp.Symbol("x")
integral = sp.integrate(sp.sin(x) * sp.exp(-x), x)
print(sp.latex(integral))

Python スタックの弱点

位置

9. GeoGebra + Desmos — 教育現場の二大巨人

数学教育で最もよく使われる道具は Mathematica でも MATLAB でもない。GeoGebra と Desmos である。

GeoGebra

GeoGebra Suite (2026)
├── Graphing Calculator (Desmos 級の関数グラフ)
├── Geometry (ユークリッド作図)
├── 3D Calculator (空間可視化)
├── CAS Calculator (象徴計算、Maxima ベース)
├── Notes (デジタルホワイトボード)
└── Classic 6 (全機能統合デスクトップ)

Desmos

比較

項目GeoGebraDesmos
強み幾何 + CAS + 3D関数グラフ UX、教科活動
弱みUI が重いCAS が弱い、3D が弱い
価格無料 (財団)無料 (非営利)
韓国広く採用、EBS との協業一部学校、英語の壁
日本普及は中程度普及は弱い
モバイル公式 iOS/Android公式 iOS/Android

位置

10. GAP / Macaulay2 / Magma / Singular — 特化代数

博士課程以上に上がると、総合道具が解けない狭い分野が現れる。そこに位置を確立した 特化 CAS を 4 つ見る。

GAP — 計算群論

GAP (Groups, Algorithms, Programming) は 1986 年に RWTH Aachen で始まった群論システム。2026 年は 4.13+。有限群、表現論、部分群束、群コホモロジーが中核。

gap> G := SymmetricGroup(5);
Sym( [ 1 .. 5 ] )
gap> Order(G);
120
gap> ConjugacyClasses(G);
[ ()^G, (1,2)^G, (1,2)(3,4)^G, (1,2,3)^G, ...]
gap> IsSimple(G);
false

Macaulay2 — 計算代数幾何

Macaulay2 は 1992 年に Daniel Grayson と Michael Stillman が始めた可換環 + 代数幾何システム。環、イデアル、グレブナー基底、自由分解、ホモロジー代数が中核。

i1 : R = QQ[x, y, z]
o1 = R
i2 : I = ideal(x^2 - y, y^2 - z, x*y - z)
o2 = ideal (x^2 - y, y^2 - z, x*y - z)
i3 : gens gb I
o3 = | yz-x z2-y2 xz-y2 y2-z xy-z x2-y |

Magma — 商用可換代数

Magma はシドニー大学の Computational Algebra Group が開発する 有料 システム (1993 年〜)。数論、代数幾何、符号理論、表現論で最強との評。GAP/M2 と一緒に使われることも多い。価格はライセンス交渉 — 学生ライセンスが別途存在する。SageMath が Magma の一部機能を呼び出すオプションはあるがライセンスが必要。

Singular — 多項式代数

Singular は 1984 年にカイザースラウテルン大学で始まった多項式計算システム。グレブナー基底、自由分解、特異点解析が中核。SageMath の多項式環バックエンドとしても使われる。

4 つの比較

システム出自強みライセンス
GAPRWTH Aachen有限群、表現論GPL
Macaulay2Illinois / Cornell可換環、自由分解GPL
MagmaSydney数論、上位代数商用
SingularTU Kaiserslautern多項式環、グレブナーGPL

位置

11. CoCalc — クラウド SageMath + Jupyter

CoCalc は William Stein が 2013 年に始めたクラウド協業ノートブックプラットフォーム。SageMath の事実上のクラウドホスト。

何を提供するか

価格 (2026)

CoCalc の核心価値

授業で 全員が同じ環境 を持つ。SageMath/Jupyter をインストールできない学生、M1 Mac で動かないパッケージ、Windows で壊れる LaTeX — これら全ての問題が消える。学部講義で大きな価値。

位置

12. Wolfram Cloud + Wolfram Alpha API

Wolfram Cloud は Mathematica のクラウド版。Wolfram Alpha API は自然言語の数学解法を外部アプリから呼ぶ API。

Wolfram Cloud

Wolfram Alpha API

import wolframalpha

client = wolframalpha.Client(app_id="XXXX")
res = client.query("integral of sin(x)^2 from 0 to pi")
print(next(res.results).text)
# -> "pi/2"

活用シナリオ

13. JAX (Google) — 科学 + ML 融合

JAX は Google が 2018 年に発表したライブラリ。「NumPy + autograd + XLA」の組み合わせ。2026 年は科学計算と ML の交差点で最も熱い道具。

思考モデル

import jax
import jax.numpy as jnp

def rosenbrock(x):
    return jnp.sum(100.0 * (x[1:] - x[:-1]**2)**2 + (1 - x[:-1])**2)

# 勾配
grad_rb = jax.grad(rosenbrock)

# JIT コンパイル
jit_rb = jax.jit(rosenbrock)

# ベクトル化 — バッチ処理
batched = jax.vmap(rosenbrock)
xs = jnp.array([[1.0, 1.0], [2.0, 2.0]])
print(batched(xs))

JAX vs PyTorch

項目JAXPyTorch
思考モデル関数型、純粋関数OO、命令型
自動微分grad/jacrev/jacfwdautograd.backward
JITXLA、静的TorchScript/torch.compile
分散pjit / shard_mapDDP / FSDP
エコシステムJAX 系 (Flax, Optax, Equinox)PyTorch 圧倒的

科学計算における JAX

弱点

位置

14. CAS 陣営 — Symbolics.jl / Reduce / Maxima / Pari-GP / SymPy

商用を除けばオープン CAS 陣営は豊か。

SymPy

import sympy as sp
x = sp.Symbol("x")
sp.integrate(sp.sin(x) * sp.exp(-x), x)

Symbolics.jl

using Symbolics

@variables x y
expr = x^2 + 2x*y + y^2
simplify(expr)

Maxima

Reduce

PARI/GP

? factor(2^256 - 1)
? isprime(2^127 - 1)
? E = ellinit([0, 0, 1, -1, 0])
? ellanalyticrank(E)

5 つの比較

CAS言語強み利用者
SymPyPython一般 + 学習学生、エンジニア
Symbolics.jlJuliaPDE/ODE、MTK科学 ML
MaximaLisp積分、微分方程式、円熟Sage 利用者
ReduceLisp物理計算歴史的、一部の愛好家
PARI/GPC数論数論博士課程

15. 韓国 — KAIST / ソウル大学 / Posit Korea

韓国の大学数学・工学風景。

KAIST (韓国科学技術院)

ソウル大学校 (SNU)

POSTECH

産業 — 韓国

韓国語資料

16. 日本 — 京都大学 / 東京大学 / RIKEN / Mathematica ライセンス

日本の大学風景。

東京大学 (東大)

京都大学 (京大)

RIKEN

大阪大学 / 名古屋大学

産業 — 日本

日本語資料

17. 誰が何を選ぶべきか — 学生・研究・産業・教育

最後にシナリオ別の推奨。

学部 1〜2 年 (数学・科学・工学入門)

学部 3〜4 年 / 専攻決定後

博士課程 (純粋数学)

博士課程 (工学・物理)

企業 R&D

教育 (教師)

参考 / References

コメント

まだコメントはありません。

ログインするとコメントできます