論文要約：実行基盤型モデル構築と再構築による自律的科学シミュレーション

タイトル: Agentic Scientific Simulation: Execution-Grounded Model Construction and Reconstruction
著者: Knut–Andreas Lie, Olav Møyner, Elling Svee, Jakob Torben (SINTEF Digital, NTNU)

1. 研究の背景と課題 (Problem)

大規模言語モデル（LLM）を用いた「コーディングエージェント」は、自然言語による指示からコードを生成し、実行・修正する能力を備えてきている。しかし、科学シミュレーション（特に物理学に基づくシミュレーション）における LLM の活用には、以下の根本的な課題が存在する。

• 自然言語記述の不完全性 (Underspecification): 物理モデルの自然言語記述は本質的に不十分であり、暗黙の選択（境界条件、物性値、ソルバ設定など）をどのように解釈するかによって、物理的には整合性があるが科学的に異なる構成が多数生成され得る。
• 実行成功の限界: コードがエラーなく実行されること（Vibe coding）や物理的整合性テストをパスすることは、ユーザーの意図を忠実に反映していることや、記述からの再現性が保証されることを意味しない。
• 暗黙の仮定の可視化不足: シミュレータのデフォルト設定やライブラリの挙動に依存する「暗黙の仮定」は、エージェントの思考ログに残らず、結果の再現性や監査を困難にする。

これらの課題に対し、単なるコード生成ではなく、「実行基盤型（Execution-Grounded）」のアプローチで、シミュレータ自体を物理的妥当性の最終的な仲裁者（Arbiter）として位置づける新たな枠組みが必要とされている。

2. 提案手法とシステム (Methodology)

著者らは、JutulGPT という参照実装を提案した。これは、Julia 言語ベースの完全微分可能な油田シミュレータ「JutulDarcy」を基盤とした、LLM エージェントとシミュレータを連携させるフレームワークである。

2.1 実行基盤型ループ (Interpret–Act–Validate Loop)

モデル構築は、以下の 3 段階の反復ループとして組織化される。

1. 解釈 (Interpret): ユーザーの意図を解析し、モデル構築に必要な不確実な選択（曖昧さ）を特定する。
2. 実行 (Act): シミュレータのドキュメントや例から情報を検索し、Julia コードを生成・修正する。静的解析（Linting）を行う。
3. 検証 (Validate): 生成されたコードをローカル Julia 環境で実行し、ソルバの診断情報（収束性、保存則の誤差、ランタイムエラー）を解析する。物理的・数値的に許容されるか判定し、失敗した場合はループに戻って修正する。

2.2 システムアーキテクチャ

• 対話層: 意図の解析、曖昧さの検出、ユーザーへの確認クエリ。
• ツール層: ドキュメント検索、コード解析、ファイル操作、コード実行。
• ランタイム層: JutulDarcy との直接インターフェース。実行結果と構造化された診断情報をエージェントに返す。

2.3 曖昧さの解決

検出された曖昧さは、以下のいずれかで解決される。

• 自律的解決: エージェントが仮定を明示的にログに記録して解決する。
• ユーザー確認: 重要な選択については、ユーザーに具体的な確認クエリを投げかける。

3. 主要な貢献と実験結果 (Key Contributions & Results)

JutulGPT の有効性と限界を評価するため、4 つの次元で実験が行われた。

3.1 ドキュメントの検索と統合

• 結果: エージェントは、キーワード検索と例の解析を組み合わせ、分散したドキュメントから「ウェルモデルの分類」など、一貫性のある知識構造を構築できた。
• 限界: ドキュメントが不十分で、マルチディスパッチの挙動が明示されていない場合、エージェントの推論は不安定になる。

3.2 実行基盤型モデル構築と修復

• ケース: 2 相流の「クォーター・ファイブスポット」問題（有利・不利な置換の比較）。
• 結果: 初期コードは API のシグネチャ不一致でエラーとなったが、エージェントは実行エラーとソルバ診断を解析し、コンストラクタの引数を修正して成功させた。物理的に整合するモデルが反復的に構築された。
• 意義: 単発のコード生成ではなく、実行フィードバックに基づく反復的修復が有効であることを示した。

3.3 複雑な 3 次元不均質貯留層モデルの構築

• ケース: 地層の不均質性、構造変形（アンチクリン）、複数のウェル制御を含む高次元なモデル。
• 結果: エージェントは、ユーザーの抽象的な指示から、地層厚の変動、確率的な透水性分布、ウェル配置などを推測し、10 年間のシミュレーションを成功させた。
• プロセス: 不確実なパラメータ（孔隙率、粘度など）について、物理的な根拠に基づいたデフォルト値を提案し、ユーザーの承認を得るプロセスを踏んだ。

3.4 抽象化された記述からの自律的再構築 (Reconstruction)

• 実験: 完成したモデルから、(1) 再現用プロンプト、(2) 技術報告書、(3) ジャーナル記事風の記述という 3 つの異なる抽象度のテキストを生成し、別のエージェントにそれらからモデルを再構築させた。
• 結果:
  • 再現用プロンプト: 高い精度で再現されたが、乱数の生成順序などの実装詳細の違いにより、局所的な物理量分布に差異が生じた。
  • 技術報告書: 圧縮性の扱い（デフォルト設定）が記述に含まれていなかったため、エージェントは「非圧縮」として再構築し、参照モデル（圧縮性あり）と物理挙動が大きく乖離した。
  • ジャーナル記事: 幾何学的変形やウェル配置の解釈が異なり、モデルの構造自体が変化した。
• 発見: テキスト記述からは、実行可能なシミュレーション状態（コード、デフォルト設定、実装詳細）のすべての情報が抽出できない。「暗黙の仮定（Tacit Assumptions）」（特にシミュレータのデフォルト設定に依存する部分）は、エージェントの仮定ログに記録されず、再構築時に再現不可能であることが明らかになった。

4. 結論と意義 (Significance)

4.1 科学的意義

• シミュレータを「真実の源泉」として活用: LLM が物理法則を直接理解するのではなく、シミュレータを「物理的妥当性の仲裁者」としてループに組み込むことで、科学的に信頼性の高いモデル構築が可能になる。
• 再現性の新たな視点: 科学シミュレーションの再現性は、単にコードを共有するだけでなく、**「実行可能な状態（Executable State）」**を完全に特定する必要があることを示した。自然言語記述だけでは、暗黙の仮定（デフォルト値など）が含まれていないため、完全な再現は不可能である。

4.2 技術的限界と今後の課題

• 暗黙の仮定の可視化: シミュレータのデフォルト設定に依存する選択は、エージェントのログに現れないため、監査や再現が困難である。これを解決するには、エージェントがデフォルト値を明示的にログするか、ユーザーに確認する仕組みが必要である。
• ドキュメントの重要性: エージェントの性能は、ドキュメントの質（型シグネチャ、例、構造化された診断情報）に強く依存する。
• 出力の比較: 現在、エージェントはモデルを構築・実行できるが、シミュレーション結果の自動比較（多モーダル比較）は行えていない。

4.3 総括

JutulGPT は、LLM エージェントが科学シミュレーションの「知的アシスタント」として機能し得ることを実証したが、同時に「テキストから実行状態への完全なマッピングの不可能性」と「暗黙の仮定のリスク」を浮き彫りにした。今後の科学 AI システムは、実行基盤型の検証ループを維持しつつ、暗黙の仮定を可視化し、再現性を担保するアーキテクチャへと進化させる必要がある。