MatClaw: An Autonomous Code-First LLM Agent for End-to-End Materials Exploration

既存の制約を打破し、遠隔 HPC クラスター上で任意のドメインライブラリを直接 Python コードとして生成・実行する自律型エージェント「MatClaw」を提案し、文献学習や専門家の制約によるガイダンスと組み合わせることで、材料科学におけるエンドツーエンドの探索を可能にするguided autonomy モデルの有効性を示した。

要約

マットクロー（MatClaw）：材料発見の「天才アシスタント」の物語

この論文は、「材料科学」という複雑な世界で、AI が人間の研究者の代わりに実験や計算をすべて行うことができるようになるまで、あとどれくらい近づいたかを語る物語です。

登場するのは「MatClaw（マットクロー）」という新しい AI アgent（エージェント）です。名前には「爪（Claw）」が入っていますが、これは「何でも掴んで実行する」という意味を込めています。

🧠 従来の AI との違い：レシピ本 vs. 料理人

これまでの材料科学用の AI は、「レシピ本」に厳密に従う料理人のようなものでした。

• 制限: 「この料理（シミュレーション）は A という鍋で、B という手順で」と決まっていればできますが、新しい鍋が出たり、手順を少し変えたりすると、すぐにパニックになってしまいます。
• 問題: 新しい道具を使うには、人間が一つずつ「この道具の使い方を教えて」と命令（ツール機能）を書き足す必要があり、手間がかかりすぎていました。

MatClawは違います。これは**「包丁と鍋を自由に使いこなせる天才料理人」**です。

• コードファースト: 人間が「材料の性質を調べて」と言うと、MatClaw は「よし、Python という言語で料理のレシピ（プログラム）を自分で書いて、実行する！」と即座に動きます。
• 柔軟性: 必要な道具（ライブラリ）がすでにキッチン（コンピューター）にあれば、人間が教えることなく、自分で組み合わせて複雑な料理（実験）を作れます。

🧠 記憶力と集中力：忘れっぽさを克服する 4 層の記憶

長い実験（数日かかるもの）を AI に任せる最大の難関は、**「忘れっぽさ」**です。
「さっき何をしたっけ？」「あのファイルはどこだっけ？」と、AI が自分の作業を忘れてループにハマってしまうことがあります。これを「シシフォスの罠（永遠に岩を転がすのに失敗する状態）」と呼んでいます。

MatClaw はこれを防ぐために、4 層の記憶システムを搭載しています。

1. 作業台（作業記憶）: 今、目の前にあるメモ。
2. 日記（エピソード記憶）: 過去のすべての会話と行動を記録した「日記」。忘れたらここから探します。
3. 経験則ノート（セマンティック記憶）: 「失敗した時のコツ」や「先輩が教えてくれたコツ」をまとめたノート。人間が書き足したり、AI が自分で学んだりして更新されます。
4. データベース（外部記憶）: 計算結果の数値を正確に記録した「帳簿」。

これにより、何日経っても「さっきの続き」を正確に思い出して、作業を続けられます。

🧪 実戦テスト：銅インジウムリン硫黄（CIPS）という材料で実験

研究者たちは、MatClaw に「銅インジウムリン硫黄（CIPS）」という特殊な材料の性質を調べる 3 つの課題を与えました。

課題 1：AI による「力場」の学習（失敗と成功）

• 挑戦: 材料の動きをシミュレーションするための「ルール（力場）」を AI に作らせました。
• 最初の失敗: AI は「1 秒間の短い実験」でルールを作ろうとしました。しかし、この材料の性質を調べるには「10 秒以上の長い実験」が必要でした。AI はこの「経験則（暗黙の知識）」を知らず、間違ったルールを作りました。
• 解決策: 研究者が「過去の論文を読んで、その手法をメモに書き留めてから始めなさい」と指示しました。AI は論文を読み、「10 秒以上実験しなさい」というコツを自分で学び取り、正しいルールを作ることができました。

課題 2：転移温度の予測（失敗と成功）

• 挑戦: 材料が磁石のような性質を失う温度（キュリー温度）を予測しました。
• 最初の失敗: AI は計算結果をすぐに結論づけましたが、実はデータが安定していませんでした（まだ「落ち着いて」いなかった）。
• 解決策: 研究者が「結果を出す前に、データが安定しているか確認するテストを必ず入れなさい」と指示しました。AI はこれに従い、より正確で信頼性の高い答えを導き出しました。

課題 3：条件の探索（大成功）

• 挑戦: 「どの温度と電圧の組み合わせ」で、材料の性質が最もよく現れるかを探しました。
• 結果: AI は人間が試行錯誤するよりもはるかに効率的に、「ここだ！」という最適な条件を 7 回の実験で見つけ出しました。これは、AI が物理の法則を理解して、賢く次のステップを選んだおかげです。

🎯 結論：完全な自律ではなく「導かれた自律」

この研究が示したのは、**「AI はコードを書くことと、結果を解釈することはもう完璧だが、人間の『経験』や『勘』に頼る部分はまだ苦手だ」**ということです。

• AI の得意なこと: 複雑な計算の組み合わせ、エラーの修正、データの分析。
• AI の苦手なこと: 「どれくらい長い時間実験すべきか」「どんな条件が物理的に意味があるか」といった、経験から得られる「暗黙の知識」。

解決策は「導かれた自律（Guided Autonomy）」です。
研究者は「大きな方針（論文を読みなさい」「この条件を確認しなさい）」を与え、AI はその指示に従って、すべての作業を一人でこなし、失敗しても自分で修正する。

これは、**「指揮者（研究者）」と「天才オーケストラ（AI）」**の関係に似ています。指揮者は「もっと速く」「もっと優しく」という指示を出すだけで、オーケストラは完璧に演奏してくれます。

🔮 未来への展望

この技術は、材料開発のスピードを劇的に加速させます。

• RAG（検索拡張生成）: AI が専門書のコードやマニュアルをリアルタイムで読みながら作業することで、間違いをほぼゼロに近づけています（99% の精度）。
• 今後の進化: AI の能力は年々向上しており、人間が「経験則」を教えるだけで、以前は数ヶ月かかった研究が数日で終わるようになるでしょう。

MatClawは、材料科学の未来を「人間が手作業でやる時代」から、「人間が AI に指揮を執り、AI が実行する時代」へと変える第一歩となりました。すべてのコードはオープンソースで公開されており、誰でもこの「天才アシスタント」を使えるようになっています。

技術概要

MatClaw: 自律的なコードファースト LLM エージェントによる材料探索の端から端への実現

本論文は、計算材料科学における自律的な AI エージェント「MatClaw」を提案し、そのアーキテクチャ、実証実験、および性能評価について詳述しています。既存の LLM エージェントが抱える課題を解決し、遠隔 HPC クラスター上での複雑なマルチコードワークフローを自律的に実行可能にする技術的アプローチを提示しています。

以下に、問題定義、手法、主要な貢献、結果、そして意義について詳細にまとめます。

1. 背景と課題 (Problem)

計算材料科学における既存の LLM エージェントには、以下の 2 つの決定的な限界がありました。

1. パイプラインに縛られたアーキテクチャ: 多くのエージェントは特定のシミュレーションコード（例：VASP のみ）や事前に定義されたタスクシーケンスに限定されています。実際の研究では、DFT 計算、力場トレーニング、分子動力学など、複数の異なるコードを組み合わせたワークフローが一般的ですが、既存のエージェントはこれに適応できず、大幅な再設計が必要です。
2. ツール呼び出しへの依存: 従来の設計では、手動で記述されたツール関数（Tool Functions）を介してアクションを実行します。タスク範囲が広がるにつれて、新しいドメインやソフトウェアに対応するために手動でツールを追加する必要があり、スケーラビリティのボトルネックとなります。また、条件分岐や反復ループを含む複雑なワークフローを直列的なツール呼び出しで表現するのは困難です。

さらに、LLM はコード生成やエラー回復は得意ですが、研究者が経験を通じて蓄積する「暗黙知（Tacit Knowledge）」（適切なシミュレーション時間スケール、平衡化プロトコル、サンプリング戦略など）の欠如により、科学的な判断ミスが発生する傾向がありました。

2. 手法とシステム設計 (Methodology)

MatClaw は、これらの課題を解決するために**「コードファースト（Code-First）」**のアプローチを採用しています。

2.1 コードファースト・エージェント設計

MatClaw は、事前に定義されたツールを呼び出す代わりに、サンドボックス環境内で直接 Python コードを生成・実行します。

• ドメインライブラリの活用: pymatgen, atomate2, jobflow, DeePMD-kit などの既存の Python ライブラリを直接組み合わせて使用します。これにより、ライブラリ自体が持つ専門知識（入力検証、エラー回復など）を再利用でき、手動ツール作成のオーバーヘッドを排除します。
• 実行モデル: エージェントは自然言語で記述されたタスクを受け取り、Python コードを生成して HPC クラスター上のジョブを提出・管理し、結果を解析して次のステップを決定します。

2.2 4 層メモリアーキテクチャ

長期間にわたるワークフロー（数日規模）における文脈の喪失（Sisyphus Trap）を防ぐため、4 層のメモリ構造を導入しています。

1. インコンテキスト作業メモリ: 現在の LLM 文脈ウィンドウ内のアクティブな情報。
2. エピソード的会話履歴: 削除されたステップの詳細を記録するアペンドオンリーファイル。要約（Summary）をインデックスとして使用し、必要な詳細をオンデマンドで復元します。
3. セマンティック経験ログ: 失敗やフィードバックから得られた運用上の教訓（例：「リモートジョブ提出前のファイルアップロードが必要」など）を保存する編集可能なテキストファイル。ステップごとに動的に再読み込みされ、システムプロンプトに注入されます。
4. 外部データベース: 完了した計算の数値結果（エネルギー、力、構造など）を直接クエリ可能な読み取り専用レイヤー。

2.3 文脈管理と RAG（検索拡張生成）

• ゾーンベースの剪定: 文脈が上限に達した場合、最新のメッセージは保護し、古いメッセージから順にツール出力を短縮またはプレースホルダー化します。完全な履歴はディスクに保存され、要約インデックスを通じて復元可能です。
• 構造意識型 RAG: コードの正確な API 使用を確保するため、AST（抽象構文木）境界でソースコードを分割する「構造意識型チャンキング（Structure-aware chunking）」と BM25 検索を組み合わせています。これにより、関数定義やインポート文のコンテキストを維持し、API 呼び出しの精度を向上させます。

3. 実証実験と結果 (Results)

単層 CuInP2S6（CIPS）のフェロ電気性に関する 3 つのタスクで MatClaw を検証しました。

タスク 1: 能動学習による ML 力場の蒸留

• 課題: 適切なサンプリング戦略（温度、シミュレーション時間）の決定。
• 結果: 最初の試行では、物理的に不十分な短いシミュレーション時間（1 ps）を選択し、モデルの汎化性能が不十分でした。
• 介入: 関連論文を読み、能動学習の手法を「経験ログ」に抽出させるよう指示し、シミュレーション時間を 20 ps 以上に制限する制約を追加しました。
• 成果: 2 回目の試行では、物理的に意味のあるバリア越え事象をサンプリングでき、成功しました。これは「文献からの自己学習」と「制約の追加」が暗黙知のギャップを埋めることを示しています。

タスク 2: 転移温度（キュリー温度）の予測

• 課題: 相転移付近での秩序変数の平衡化確認。
• 結果: 最初の試行では平衡化の確認が不足し、物理的に不自然な結果（非単調な傾向）を導出しました。
• 介入: 「予備シミュレーションによる収束確認」をタスク要件に追加。
• 成果: 8 ステップで収束を確認し、不確かさを 3.5 倍削減した高精度なキュリー温度（261 ± 10 K）を導出しました。

タスク 3: ドメインウォール伝播のヒューリスティック探索

• 課題: (電場, 温度) 空間における物理的に興味深い領域の探索。
• 結果: 27 ステップ、7 回の探索イテレーションで、ドメインウォール伝播が明確に観測される条件（Ez = -0.16 V/Å, T = 50 K）をゼロエラーで発見しました。
• 意義: 網羅的なグリッド探索よりも遥かに少ない計算コストで、物理的直感に基づいた効率的な探索が可能であることを実証しました。

4. 評価ベンチマーク (RAG Benchmarks)

コードファースト・エージェントの信頼性を支える RAG の性能を評価しました。

• API 精度: RAG を使用しない場合、ライブラリによっては 10〜24% のエラー率がありましたが、RAG（構造意識型チャンキング + BM25）を使用することで、ステップあたりの API 呼び出し精度を約 99% に向上させました。
• モデル進化: 最新の LLM は RAG なしでも精度が向上していますが、RAG を組み合わせることで、どのモデルでも 97〜99% の高精度を達成し、ニッチなライブラリ（jobflow-remote など）でも人気のあるライブラリ（pymatgen）と同等の性能を発揮しました。

5. 主要な貢献と意義 (Significance)

1. コードファースト・アーキテクチャの確立: 手動ツールに依存せず、既存の Python エコシステムを直接活用することで、マルチコード・マルチステップの複雑なワークフローを柔軟に実行可能にしました。
2. 長期実行の安定性: 4 層メモリアーキテクチャと RAG により、数日規模の自律的探索における文脈喪失とエラー蓄積を解決しました。
3. 「誘導された自律性（Guided Autonomy）」モデルの提案:
   • エージェントはコード生成、エラー回復、ワークフローのオーケストレーションを完全に担います。
   • 研究者は「高レベルのドメイン知識（文献の提供、物理的制約の指定）」を提供し、エージェントがそれを内部化して実行します。
   • このモデルにより、LLM が持つ「暗黙知の欠如」を効果的に補完し、人間と AI の協調による材料探索の新しいパラダイムを確立しました。

結論として、MatClaw は、LLM がコード生成と科学的解釈を信頼性高く実行できる段階にあり、人間がドメイン知識を提供することで、手作業では不可能な規模と速度での材料発見が可能になることを示しました。すべてのコードとベンチマークはオープンソースとして公開されています。