NIMS-OS: An automation software to implement a closed loop between artificial intelligence and robotic experiments in materials science

NIMS-OS は、NAREE などのロボット実験システムと多様な AI アルゴリズムを統合して、電解質のような新材料を自律的に発見することを可能にする、完全自動化された閉ループ材料探索を実現するオープンソースの Python ライブラリおよび GUI アプリケーションです。

要約

あなたはケーキの完璧なレシピを見つけようとしていると想像してください。ただし、台所の代わりに、4,000 種類の異なる材料の組み合わせが揃った巨大な図書館を持っているとします。人間のシェフなら、いくつかを試して、何が機能するかを推測し、再度試すことはできますが、絶対的に最良のものを見つけるには何年もかかってしまうでしょう。

次に、眠らず、疲れず、決して間違いを犯さない超賢明なロボットシェフと天才的なフードクリティックがいると想像してください。これがまさに論文「NIMS-OS」が記述しているものです。ただし、ケーキではなく、より良い電池液などの新しい材料を発見するためのものです。

このシステムがどのように機能するかを、シンプルに分解してみましょう。

課題：「干し草の山の中の針」

材料科学において、科学者たちは電池をより良く動作させるために、最適な化学物質の組み合わせを見つけたいと考えています。可能な組み合わせはあまりにも多いため、すべてを手作業でテストすることは不可能です。それは、山ほどの大きさの干し草の山から、特定の針を見つけようとするようなものです。

解決策：NIMS-OS（「指揮者」）

著者たちはNIMS-OS（NIMS オーケストレーションシステム）と呼ばれるソフトウェアシステムを構築しました。このソフトウェアをオーケストラの指揮者と考えるとわかりやすいでしょう。

• 演奏者たち：ここでは「AI アルゴリズム」（賢明なクリティック）と「ロボットアーム」（ロボットシェフ）が演奏者にあたります。
• 指揮者：NIMS-OS は、AI にいつ提案を行うよう指示し、ロボットにいつ化学物質を混合するよう指示します。これにより、人間がボタンを押すことなく、両者が完璧なループの中で連携して動作します。

ループの仕組み（「三歩のダンス」）

このシステムは、「ホット・アンド・コールド」ゲームのように、連続したサイクルで動作します。

1. 推測（AI）：AI は、すべての可能な化学レシピのリスト（「候補ファイル」）を確認します。これまでの学習に基づいて、次に試す最も有望なレシピを選びます。
   • 比喩：AI は、「手がかりに基づくと、犯人はこの近所にいる可能性が高い。まずこの 3 軒の家をチェックしよう」と言う探偵のようなものです。
2. 実行（ロボット）：ソフトウェアがロボットに信号を送ります。ロボットは自動的に化学物質を混合し、テストセルに入れ、実験を実行します。
   • 比喩：ロボットは、実際に家へ行き、ドアをノックする探偵の相棒のようなものです。
3. 結果（更新）：ロボットがテストを終了し、データを戻します。ソフトウェアはリストを更新し、どのレシピがうまくいき、どのレシピが失敗したかをマークします。その後、AI は新しいデータを見て、次の最良の推測を選びます。
   • 比喩：相棒が戻ってきて、「A の家は空だったが、B の家には手がかりがあった！」と言います。探偵はその新しい情報を使って、次にチェックする家を選びます。

ツールボックスの道具

論文では、NIMS-OS が柔軟性を持っていると説明しています。オーケストラの「演奏者たち」を入れ替えることができます。

• 異なる AI の頭脳：異なるタイプの AI ロジックを使用できます。絶対的な最高のピークを見つけるのが得意なもの（ベイズ最適化）、未知で奇妙な領域を探索するのが得意なもの（Boundless Exploration）、そして完全な地形をマッピングするのが得意なもの（相図）などがあります。
• 異なるロボットの手足：異なるロボットを接続できます。著者たちは、液体を混合し、電池液を自動的にテストするように設計されたNAREEという特定のシステムでテストを行いました。

実世界でのテスト：電池の探索

その機能を実証するために、チームは NIMS-OS を用いて、リチウム金属電池向けのより良い電解質（電池内の液体）を探索しました。

• 設定：16 種類の異なる化学添加剤から選択できました。5 つの添加剤の最適な混合を見つけたいと考えていました。
• プロセス：
  1. まず、ロボットはスタートデータを得るために、32 種類の混合をランダムに試しました（いくつかのランダムなケーキを試すようなものです）。
  2. 次に、AI が引き継ぎました。AI は結果を分析し、ロボットに次に試すべき 32 種類の混合を正確に指示しました。
  3. これは、人間が何にも触れることなく10 時間連続して自動的に実行されました。
• 結果：7 回目のテストラウンドまでに、システムは他のものよりも著しく優れたパフォーマンスを示すレシピを見つけました。特定の化学物質（VC や FEC など）を含む混合が最良であることが判明しましたが、これは人間の専門家ですでに知られていたことと一致していました。しかし、ロボットははるかに速く、疲労することなくそれを発見しました。

なぜこれが重要なのか

論文は、最大の画期的な進歩はロボットや AI 単体ではなく、それらを接続するソフトウェアにあると主張しています。

• 標準化：以前は、各研究所が特定のロボットを特定の AI に接続するために、独自のコードを作成する必要がありました。NIMS-OS は、普遍的な「プラグ・アンド・プレイ」システムを提供します。
• 人間のミスの排除：ループが閉じられているため、ロボットは疲れず、AI は気が散りません。作業が完了するまで、最適化を継続するだけです。

要するに、NIMS-OS は、コンピュータの脳とロボットの体を会話させ、24 時間 365 日、自律的に新しい材料を発見することを可能にする、万能のリモコンのようなものです。

技術概要

以下は、材料科学における人工知能とロボティック実験の間の閉ループを実装するための自動化ソフトウェア「NIMS-OS」に関する論文の詳細な技術的サマリーです。

1. 問題提起

人工知能（AI）とロボティック実験の統合は、自動化された材料探索を加速する上で不可欠です。AI アルゴリズム（例：ベイズ最適化）とロボティックハードウェアの両方で大きな進展が見られる一方で、重大なボトルネックが残っています。それは、汎用的な制御ソフトウェアシステムの欠如です。

• 現在の限界: 既存の制御システムは通常、「ケースバイケース」で開発され、特定の AI アルゴリズムと特定のロボティックハードウェアが密結合しています。このため、アルゴリズムやハードウェアを交換する際に、制御ロジック全体を書き換える必要があり、困難を伴います。
• 必要性: 多様な AI モデルとさまざまなロボティック実験セットアップとの間で、人間の介入なしに閉ループを構築できるモジュール化された標準化されたオーケストレーションシステムが必要です。これにより、真の自律的な材料発見が可能になります。

2. 手法：NIMS-OS アーキテクチャ

著者らは、汎用的なミドルウェアとして機能するように設計された Python ベースのライブラリである**NIMS-OS（NIMS オーケストレーションシステム）**を開発しました。これはモジュラーアーキテクチャを通じて、AI アルゴリズムをロボティックシステムから分離します。

コアワークフロー

このシステムは、以下の 3 つの主要なステップからなる閉ループで動作します。

1. 選択（AI）: AI モジュールが、事前に定義された「候補ファイル」（探索空間）から有望な実験条件を選択します。
2. 実行（ロボット）: システムがロボティックシステム用の入力ファイルを生成し、実験を開始します。
3. 分析と更新: システムは実験出力を分析し、目的関数値を抽出し、次のイテレーションのための新しいデータを反映させるように候補ファイルを更新します。

主要コンポーネント

• 候補ファイル: 材料の探索空間（組成、プロセスパラメータなど）を定義する CSV ファイルです。入力となる記述子と出力となる目的関数値の列が含まれており、実験が進むにつれて最初は空だったものが埋められていきます。
• AI モジュール（ステップ 1）: NIMS-OS は、さまざまなアルゴリズムの標準インターフェースを実装しています。
  • PHYSBO: ガウス過程回帰とトンプソンサンプリングを用いたベイズ最適化（BO）による多目的最適化。
  • BLOX: 境界なし目的フリー探索（Boundless Objective-Free Exploration）。スティーン不一致（Stein discrepancy）を用いて「好奇心のある」材料を見つけ、目的空間における均一なサンプリングを確保します。
  • PDC: 能動学習（不確実性サンプリング）を用いた相図構築。最小限の実験で相境界をマッピングします。
  • RE: ランダム探索。初期データや基準値の生成に使用されます。
• ロボティックモジュール（ステップ 2 & 3）:
  • STAN: ロボティックワークフロー（入力ファイルの作成、開始信号の送信、完了待機、出力ファイルの読み取り）をシミュレートする参照（仮想）モジュールです。これにより、物理的なハードウェアなしでソフトウェアテストが可能になります。
  • NAREE: NIMS 自動化ロボティック電気化学実験システム用の特定モジュールです。液体ハンドリングディスペンサー、電気化学測定ユニット、高スループット電解液スクリーニング用のロボティックアームを含みます。
• 可視化: 最適化履歴、目的関数の分布、相図をリアルタイムでプロットするための組み込みツール（nimsos.visualization）。

3. 主要な貢献

• 汎用オーケストレーションシステム: NIMS-OS は、モジュールを交換するだけで任意の AI アルゴリズムが任意のロボティックシステムを制御できる標準化されたインターフェースを提供する最初のソフトウェアです。これは相互運用性を促進し、新しい自動化実験室の開発時間を短縮します。
• 標準化: 著者らは、AI アルゴリズムとロボティックシステムの標準的な入出力形式を確立しました。これにより、新しいアルゴリズムを既存のハードウェアで即座にテストすることが可能になり、その逆もまた然りです。
• 二重インターフェース: システムは、開発者向けのPython ライブラリと、非プログラマーが使いやすいGUI アプリケーションとして利用可能です。
• スケーラビリティ: モジュラー設計により、新しい AI 戦略やロボティックハードウェアの追加が容易であり、エコシステムの拡張を促進します。

4. 実験結果

システムの有効性を示すため、著者らは NAREE システムを用いて、リチウム金属電池向けの多成分電解液の自律的探索を行いました。

• 設定:
  • 探索空間: 16 種類の化合物から選択された 5 種類の添加剤の組み合わせ（4,368 通りの可能な組み合わせ）。
  • 目的: 放電時間の最大化（電池容量の代理指標）。
  • ハードウェア: マイクロプレートあたり 32 並列実験。
• プロセス:
  • サイクル 1: 初期データを生成するためにランダム探索（RE）を使用。
  • サイクル 2–12: より良い候補を反復的に選択するためにベイズ最適化（PHYSBO）を使用。
  • 期間: システムは人間の介入なしに10 時間完全に自律的に稼働し、12 サイクルにわたって384 回の実験を完了しました。
• 結果:
  • 最適な電解液組成は7 サイクル目で特定されました。
  • 最良の結果: 100 mM LiPF6、100 mM LiTFSI、2 vol.% PC、2 vol.% FEC、および 2 vol.% VC を含む組成は、1439.09 秒の放電時間を達成しました（理論上の最大値 1800 秒に接近）。
  • 検証: トップ 10 の結果には、ビニリデンカーボネート（VC）および/またはフルオロエチレンカーボネート（FEC）が常に含まれており、リチウム金属電極に対するそれらの肯定的な効果に関する確立されたドメイン知識と一致しました。

5. 意義と将来展望

• 発見の加速: NIMS-OS は、仮説生成とテストのサイクルを自動化することで、高機能材料の発見に必要な時間を大幅に短縮できることを示しています。
• 技術的標準: 共通のフレームワークを確立することで、NIMS-OS は自動化実験室の構築への参入障壁を下げ、材料科学におけるロボティクスのコスト削減と普及拡大につながる可能性があります。
• 将来の方向性: 著者らは、ライブラリをさらに多くの AI アルゴリズムとロボティックモジュールで拡張する計画です。また、自律システムによって生成される大量のデータを処理するための高度なデータ管理機能の必要性を強調しており、材料科学におけるデジタルトランスフォーメーション（DX）の鍵となるツールとして NIMS-OS を位置付けています。

結論として、NIMS-OS は「セルフドライビングラボ」というパラダイムに向けた重要な一歩を表しており、自動化された材料発見のために AI の意思決定とロボティック実行をシームレスに統合するための必要なソフトウェアインフラを提供します。