GENIUS: シミュレーションプロトコルの自律的設計と実行のためのエージェント型AIフレームワーク

新材料発見のためのより賢いツール

より優れた電池、触媒、電子デバイスの設計は、実験室で実際に作る前に材料の振る舞いを予測するコンピュータシミュレーションにますます依存しています。しかし、これらのシミュレーションを実行するには通常、複雑なソフトウェアコマンドや数千に及ぶ技術的オプションに精通した専門家が必要です。本論文はGENIUSを紹介します。これは専門家のアシスタントのように機能する人工知能システムで、研究者の自然言語による要求を自動的に動作するシミュレーション設定に変換します。技術的な障壁を下げることで、より多くの研究者が日常的に強力な量子レベルの計算を利用できることを目指しています。

仮想実験の背後にある見えない摩擦

現代の材料研究は、アイデアを迅速かつ低コストで試すために原子レベルのシミュレーションに大きく依存しています。Quantum ESPRESSOのようなプログラムは多くの結晶について実験精度に匹敵する結果を出せますが、日常的に扱えるのはしばしば専門家に限られます。単一の計算を設定するには濃密なドキュメントを読み込み、互換性のあるパラメータを選び、不可解なエラーメッセージをデバッグする必要があるためです。経験者でさえ、科学そのものを考える代わりに入力ファイルの調整に何時間も費やすことがあります。ソフトウェアができることと大多数の研究者が快適に使えることの間のこのギャップは「知識‐実行ギャップ」と呼ばれ、理論を実世界の技術へと変換する速度を遅らせています。

人とコードの間に立つAIの中間層

GENIUSは研究者とシミュレーションプログラムの間に位置する知的な中間層として設計されています。ユーザーは、特定の二次元材料の幾何最適化を特定の量子手法で行いたい、などの自由形式の要求から始めます。GENIUSは大規模言語モデルと、Quantum ESPRESSOの247の主要設定が互いにおよび基礎物理とどのように関係するかを符号化した構造化された「ナレッジグラフ」を用いて、この要求を分解します。そこから、ソフトウェアの構文と内部ルールを順守した完全な入力ファイル案を作成します。重要なのは、GENIUSが単に言語モデルの記憶に頼るのではなく、実際に研究対象となる材料に関する精選されたドキュメントやデータベース情報に基づいて選択を根拠づけることで、でっち上げや矛盾のある設定を大幅に減らしている点です。

人手のデバッグなしで失敗から学ぶ

入念に準備されたシミュレーションでさえ初回で失敗することがあります。これに対処するため、GENIUSには自動エラー回復ループが組み込まれています。Quantum ESPRESSOが入力を拒否するとプログラムはエラーメッセージを出します。GENIUSはそのメッセージを読み取り、ナレッジグラフを参照して何が問題だったかを解釈し、修正された入力案を提案します。単純だが規律ある制御システムがこれらの試行を追跡し、いつ同じ言語モデルで再試行するか、いつクリーンなテンプレートからやり直すか、そしていつより強力なモデルへエスカレーションするかを判断します。このループはシミュレーションが初期チェックを通過するか、これ以上の試行が有益でないと判断されるまで続きます。プロセス全体でログが各決定を記録し、後の検査や人による介入のための明確な記録を提供します。

実践でのシステムの性能

GENIUSの堅牢性を評価するため、著者らはQuantum ESPRESSO自体を常用しているとは限らない化学者や物理学者から295件の実際のプロンプトを収集しました。これらのプロンプトは単純なものから詳細なものまで幅がありました。チームは、GENIUSが各要求をプログラムが解析して短い1分の検証ウィンドウ内に実行を開始できる入力ファイルへ変換できるかどうかを測定しました。全プロンプトの約80％が動作するセットアップに至りました。約14％は最初の試行で成功し、残りの大多数は自動エラーハンドリングループによって救済されました。失敗した実行を「救出」できる確率は追加の試行ごとに急速に低下し、最終的に約7％の基底値付近に落ち着き、修復可能な問題の多くは初期に解決されることを示しました。ナレッジグラフや制御ロジックなしの単純な言語モデルベースラインは、有効な入力をほとんど出せず、より大きなモデルだけでなくGENIUSのアーキテクチャの価値が際立ちました。

より多くの研究者に高度なシミュレーションを開放する

一般的な視点から見ると、GENIUSは高度に専門的な量子シミュレーションを現代の検索エンジンのように扱いやすくする一歩です。難解なコマンドを暗記する代わりに、研究者はやりたいことを記述し、システムが必要な指示を自動で組み立て、検査し、修復します。内部では、GENIUSは構造化された領域知識、複数の言語モデル、そして慎重な再試行戦略を組み合わせてエラーを抑えます。現行の研究は広く使われる1つのシミュレーションパッケージに焦点を当てていますが、同じ設計は明確なドキュメントとエラーメッセージが存在する他のコードへも適用可能です。知識‐実行ギャップを縮小することで、GENIUSのようなフレームワークはより多くの研究室、企業、学生が高度な計算ツールを日常的な材料探索に取り入れるのを助ける可能性があります。

引用: Soleymanibrojeni, M., Aydin, R., Guedes-Sobrinho, D. et al. GENIUS: an agentic AI framework for autonomous design and execution of simulation protocols. Commun Mater 7, 115 (2026). https://doi.org/10.1038/s43246-026-01167-0

キーワード: 材料シミュレーション, 自律ワークフロー, エージェント型AI, 密度汎関数理論, Quantum ESPRESSO