AutoDFT: A Closed-Loop Multi-Agent Framework for Autonomous DFT Calculations

要約

非常に複雑で重大な科学計算（ケーキ）を、オーブンの温度が 1 度ずれるだけで、あるいは粉の混ぜ方が少し違うだけで、全体が崩壊してしまうほど繊細なレシピを使って焼こうとしていると想像してください。材料科学の世界において、この「ケーキ」とは、材料の挙動を予測するために用いられる**密度汎関数理論（DFT）**計算のことです。

長年にわたり、このケーキを焼くためには、熟練のシェフ（人間の専門家）がオーブンの上に立ち、常に生地をチェックし、熱を調整し、ミスが起きた瞬間に修正する必要がありました。もしケーキが焼け始めたら、シェフはそれを救うためにどのノブを回すべきかを正確に知る必要がありました。

AutoDFTは、この仕事を完全に引き継ぐために設計された新しい AI アシスタントのチームですが、一点だけ特徴があります。それは、単に事前に書かれた厳格な指示リストに従うのではなく、このチームがその場で考え、適応し、問題を修正することができる点です。

以下に、その仕組みを簡単な部分に分解して説明します。

1. 問題：「設定して放置」の罠

以前、AI ツールはこの自動化を試みる際、オーブンを点火する前に、賢い AI が全体のレシピを作成するという方法をとっていました。

• 欠点： もし焼いている最中にケーキが沈み始めても、AI は止まってレシピを変更することができませんでした。それは元の計画に従い続けることになり、結果としてケーキは台無しになりました。このシステムは「オープンループ」であり、オーブン内で実際に何が起きているかを聞いていませんでした。

2. 解決策：7 人の専門シェフによるチーム

AutoDFT は、単一の AI を、連続したサイクルで協力する7 つのエージェント（専門的な AI 役割）からなるクローズドループのチームに置き換えます。彼らはリアルタイムで互いに会話するキッチンクルーだと考えてください。

• 戦略プランナー（ヘッドシェフ）： このエージェントは、原材料（結晶構造）と目標（例：「磁性を求めよ」）を見て、レシピのラフなスケッチを描きます。「まず、生地を弛緩させ、次に焼き、最後に質感をチェックする」と言います。正確な温度にはまだこだわらず、目標を設定するだけです。
• ステッププランナー（ラインコック）： 各ステップの前に、このエージェントは前ステップの結果を確認します。「ああ、生地が少しベタついている？よし、このバッチ用に小麦粉の量を調整しよう」と。直前の出来事に基づき、次のステップに必要な正確で詳細な指示（数値パラメータ）を作成します。
• VASP エグゼキューター（オーブン）： これは実際にオーブンを点火し、計算を開始するロボットアームです。重労働を担いますが、考えません。指示に従うだけです。
• デュアルパスモニター（見張りのソシュシェフ）： このエージェントはオーブンを監視します。2 つのモードを持っています。
  • ファストモード： 「タイマーは動いているか？」や「温度は安定しているか？」といった単純なことを、単純なルールでチェックします。
  • スマートモード： 何か奇妙なことが起きている場合（ケーキが急激に膨らんでいるなど）、AI を呼び出して状況を深く分析させます。
• リカバリーエージェント（消防士）： モニターが「チャージ・スロッシング」エラー（生地が飛び散るようなもの）のような災害を検知すると、このエージェントが飛び込みます。なぜ失敗したかを診断し、設定を変更して再試行します。諦めるのではなく、問題を修正します。
• ステップリフレクター（品質検査員）： ステップが完了すると、このエージェントは「この結果は物理的に意味があるか？」と問います。計算結果が材料が金属であると示しているが、実際は絶縁体であるべきだと分かっている場合、リフレクターは「停止！何か間違っている。異なる設定でこのステップをやり直そう」、あるいは「計画全体を変更しよう」と言います。
• ポストプロセッシングエージェント（盛り付けチーム）： ケーキが完璧になったら、このエージェントは結果（最終データ）を人間が読めるように整然とパッケージ化します。

3. 魔法：ループを閉じる

このシステムの革新的な点は、会話を決して止めないことです。

• 従来の方法： 計画 $\rightarrow$ 焼く $\rightarrow$ 完了（たとえ焦げていても）。
• AutoDFT の方法： 計画 $\rightarrow$ 焼く $\rightarrow$ 確認 $\rightarrow$ 修正 $\rightarrow$ 再評価 $\rightarrow$ 再度焼く $\rightarrow$ 確認 $\rightarrow$ 完了。

計算が引っかかっても、システムはクラッシュしません。一時停止し、「消防士」と「品質検査員」が問題を話し合い、「ラインコック」がレシピを調整し、再度試みます。結果が物理的に不可能に見える場合、「ヘッドシェフ」は異なる道を進むためにレシピ全体を書き直すことさえあります。

4. 結果：より多くのケーキを、より良く焼く

著者らは、VASPBench という標準ベンチマークを使用して、**34 種類の異なる焼き上げ課題（タスク）**でこのシステムをテストしました。

• ルールベースのシステム（従来の自動化）は、約**68%**のケースで成功しました。
• オープンループ AI（一度計画してそれに固執する AI）は、約**82%**のケースで成功しました。
• AutoDFT（クローズドループのチーム）は、**94%**のケースで成功しました。

また、彼らは実世界の材料（Materials Project データベースから）でもテストし、結果が単に「完了」しただけでなく、科学的に正確であり、磁性強度やエネルギーギャップなどの既知のデータと一致していることを発見しました。

結論

AutoDFT は、鍋がまだコンロに乗っている間に、スープの味見をし、塩加減を調整し、レシピを書き換えることができるような、専門家シェフのチームにキッチンを与えるようなものです。これにより、コンピュータコードの専門家ではない科学者たちは、複雑な材料シミュレーションから信頼性が高く高品質な結果を得ることが可能になり、コンピュータの上に立って手動でエラーを修正する必要がなくなります。それは、壊れやすく手動のプロセスを、堅牢で自己修正機能を持つ機械へと変えるのです。

技術概要

技術的概要：AutoDFT

問題定義

密度汎関数理論（DFT）は計算材料科学の要であるが、実用的なワークフローは依然として手動に大きく依存している。典型的な研究では、研究者が交換相関汎関数を選択し、数値パラメータ（例えば、平面波カットオフ、k 点密度）を設定し、収束基準を管理し、失敗を診断する、相互依存する一連のステップが含まれる。この「専門知識のボトルネック」が、真に自律的なキャンペーンを妨げている。

既存の大規模言語モデル（LLM）ベースのエージェントは、このプロセスの自動化を試みてきたが、通常はオープンループ方式で動作する。これらは事前に完全な実行計画を生成し、その後の適応には手作業で設計されたルールに依存する。このアプローチは脆弱である：事前に計画されたシナリオを超えて一般化できず、計算が予期せぬ物理現象（例えば、出現する磁性）や数値的不安定性（例えば、電荷の揺らぎ）に遭遇し、進行中の戦略修正を必要とする場合に失敗することが多い。核心的な課題は、エージェントがワークフローを設計するだけでなく、進捗を監視し、失敗から回復し、物理的推論に基づいて戦略を修正する、完全に自律的なクローズドループ実行を達成することである。

手法：AutoDFT フレームワーク

AutoDFT は、VASP（Vienna Ab initio Simulation Package）コードの上に構築された、7 つのエージェントからなるクローズドループ・フレームワークである。これは、階層的計画分解とクローズドループ適応的実行という 2 つの核心原則によって支配され、DFT ライフサイクルのすべての段階に LLM の推論を組み込んでいる。

1. 階層的計画分解

このフレームワークは、戦略的決定（ワークフローの順序）と戦術的決定（数値パラメータ）を分離する：

• 戦略プランナー：結晶構造（CIF）とタスク記述を受け取る。材料の文脈（次元性、磁性など）を推論し、具体的な VASP パラメータなしに、「骨格計画」（ステップの目的、依存関係、成功基準の順序付きシーケンス）を生成する。
• ステッププランナー：各ステップの直前にオンデマンドで動作する。エネルギー経路、収束プロファイル、警告など、以前のステップの蓄積された履歴に基づいて条件付けを行うことで、具体的な VASP 入力パラメータ（INCAR、KPOINTS など）を具体化する。これにより、パラメータは出現する結果に適応できる。

2. クローズドループ適応的実行

各ステップは、実行–監視–回復–反映 のサイクルに従って実行される：

• VASP 実行エージェント：パラメータを入力ファイルに変換し、ジョブを提出する決定論的かつルールベースの層である。LLM コストは発生しない。
• デュアルパス監視：応答性とコストのバランスを取る。高速なルールベースの監視が、10 分ごとにログ（OSZICAR/OUTCAR）を解析し、明確なエラーを検出する。ルールベースのチェックが失敗した場合、または定期的にのみ、選択的な LLM 監視が呼び出され、収束トレースを分析して微妙な問題（例えば、準安定状態への緩やかなドリフト）を検出する。
• 回復エージェント：「TERMINATE」の判定によってトリガーされる。失敗の根本原因（例えば、電荷密度の互換性欠如、対称性の破れ）を診断し、再試行のためのターゲット化されたパラメータ調整を提案する。
• ステップ反映エージェント：収束した結果の物理的妥当性を評価する。結果をACCEPT（受容）するか、より厳格な設定でステップをREDO（再実行）するか、結果が初期の科学的仮定と矛盾する場合は骨格計画をMODIFY（修正：ステップの挿入、削除、または置換）するかを決定する。
• ポストプロセッシングエージェント：最終出力ファイルから構造化された物性値（バンドギャップ、磁気モーメントなど）を抽出するルールベースのモジュールである。

システムは、入力、監視の判定、回復の試行、および結果の要約を記録する履歴ストアを維持し、すべてのエージェントに文脈を提供する。

主要な貢献

1. AutoDFT アーキテクチャ：LLM の推論を DFT ライフサイクル全体に統合し、戦略的ワークフロー設計と戦術的パラメータ生成を分離し、証拠に基づく計画の修正を可能にする 7 エージェント・システム。
2. VASPBench：公式 VASP ドキュメントから派生した 34 の DFT 計算タスクから構成されるキュレーションされたベンチマーク。9 つの異なる計算タイプ（例えば、緩和、状態密度、フォノン、分子動力学）にまたがり、真の出力値を備えている。
3. 実証的検証：複数のモデルファミリー（GPT-5.2、Claude Sonnet 4.6、Gemini 3.1 Pro Preview）において、クローズドループ適応がオープンループ計画およびルールベースのベースラインに対して測定可能な改善をもたらすことを示す広範な実験。

結果

タスク成功率

VASPBench（34 タスク）において、AutoDFT-Full は GPT-5.2 を使用して94.1% のタスクレベル成功率を達成し、オープンループベースライン（82.4%）およびルールベースベースライン（67.6%）を大幅に上回った。

• Claude Sonnet 4.6：成功率を 76.5%（OpenLoop）から 85.3%（Full）に改善。
• Gemini 3.1 Pro Preview：成功率を 76.5%（OpenLoop）から 91.2%（Full）に改善。

コスト効率

クローズドループ実行は追加の LLM トークンコストを伴うが、有望でない実行を早期に終了させ、無効なワークフローでの GPU 時間の浪費を回避することで、総計算コストを削減することが多い。

• Claude Sonnet 4.6 および Gemini 3.1 の場合、「成功あたりのコスト」は VASP 実行時間の短縮により大幅に減少した（例：Sonnet では 97.4 ドルから 35.2 ドルへ）。
• GPT-5.2 の場合、システムは最大成功率（94.1%）を優先し、ルールベースベースラインのコストと同等でありながら、26.5% 多くのタスクを解決した。

物理的妥当性

Materials Project から 20 材料のサブセットを用いた評価により、成功した実行が定量的に信頼性の高い物性予測を生み出すことが確認された。参照値に対する平均絶対誤差（MAE）は以下の通りであった：

• バンドギャップ：0.26–0.80 eV
• 磁気モーメント：0.17–0.51 µB
• 形成エネルギー：0.29–0.41 eV/atom

適応の分析

反事実的分析により、成功した実行の相当部分がランタイム介入に依存していることが明らかになった。GPT-5.2 の場合、成功したタスクの**62.5%**がクローズドループ介入（回復、終了、または計画の修正）を必要とした。これは、イオン緩和、フォノン、分子動力学など、非自明なパラメータ依存性を伴う複雑な多段階計算においては、初期計画のみでは不十分であることを示している。

意義と主張

本論文は、AutoDFT が完全に自律的なクローズドループ第一原理計算の実現可能性を示していることを主張する。監視、回復、反映に LLM の推論を組み込むことで、このシステムは静的なオープンループワークフローでは処理できない出現する物理的発見や数値的失敗に対処できる。

著者は、このアプローチが以下のことを実現すると主張している：

• 深い計算専門知識を持たない実験研究者が、信頼性の高い第一原理結果を得られるようにする。
• LLM の役割を、単なるワークフロー生成器から、物理的推論と戦略修正を可能にする能動的な科学エージェントへと変革する。
• LLM 推論コストと高価な第一原理計算とのトレードオフを最適化し、精度とリソース効率の両方を向上させるスケーラブルなフレームワークを提供する。

この研究は、AutoDFT を専門家による検証の代替としてではなく、日常的な手動介入を削減し、ドメイン専門家が計算ワークフローのデバッグではなく、高レベルの科学的解釈に集中できるようにするシステムとして位置づけている。