技術要約：Iteris：計算数学のためのエージェンティックなリサーチ・ループ

1. 問題提起

本論文は、計算数学における未解決問題にAIを適用する際の課題に取り組んでいる。コンペティションの問題や単一目的の最適化タスクとは異なり、この領域の研究には、数値実験、反例の構築、および形式的な証明開発の間の複雑な相互作用が必要となる。現在のAIシステムは、これらの異なる研究モードを調整することや、事実を分離・検証・再構成しながら長期的な研究の軌跡を維持することに苦慮することが多い。

著者らは、提案するシステムであるIterisを、Simons Workshop collection [3] からの2つの具体的な未解決問題に適用した：

1. 問題 2.4: パワー則に従うスペクトルを持つ線形システムにおける、共役勾配法（CG）とランダム座標降下法（RCD）のアシンプトティック（漸近的）な比較。目標は、両手法間の正規化されたコスト比のフェーズ図（相図）を決定することである。
2. 問題 4.3: 行列が直交行を持つ場合、特に低コヒーレンス条件下において、列ピボット付きQR分解（QRCP）が良好な条件を持つ部分行列を確実に選択するかどうかに関する問い。

2. メソドロジー：Iteris システム

Iterisは、探索（explore）– 計画（plan）– 実行（execute）のループとして構成されたエージェンティックな研究システムである。このシステムは、長期的な状態保存およびエージェント間の構造化されたメッセージングとして機能するファイルベースのメモリシステムを通じて、異なる研究モードを調整する。

2.1 エージェンティック・プロトコル

システムの各イテレーションは、以下の3つの明確なフェーズに従う：

1. 探索 (Explore): 探索エージェント (Exploration Agent) が「軽量なリポジトリレベルのプロービング」を行う。プロジェクトファイルを読み込み、最近のイテレーションを検査し、妥当な経路に関するスクラッチな推論を起草する。極めて重要な点は、これが公式な計画を記述するのではなく、推奨されるタスクの形状、局所解のチェック、およびシステムが停滞した分岐に過剰にコミットすることを防ぐためのリスク評価を記した「助言」を作成することである。
2. 計画 (Plan): 計画エージェント (Plan Agent) が、グローバルなプロジェクト状態（問題文、ロードマップ、メモリ、ルートのステータス）および探索による助言を読み取る。そして、次のイテレーションのためのタスクプールを決定し、タスクのカテゴリ、目標、入力、および検証要件を定義する構造化された TASK_POOL.json を出力する。
3. 実行 (Execute): 特化型の実行エージェント (Execution Agents) が割り当てられたタスクを受け取り、特定の研究アクションを実行し、プロジェクトメモリに構造化された結果ファイルを書き戻す。

2.2 実行エージェント

システムは4つのカテゴリの実行エージェントを採用しており、それぞれがMarkdownベースの能力仕様によって定義されたタスク固有のスキルを持つ：

• 基盤エージェント (Foundation Agent): 情報源を監査し、定義を固定し、予想カード（conjecture cards）を起草し、主張の規律を維持する。
• 実験エージェント (Experiment Agent): 数値的な作業（テストハーネス、診断、反例探索）を実行する。証拠は、証明ではなく「ガイダンス」として扱われる。
• 証明エージェント (Proof Agent): 安定した言明、特殊なケース、または補題のための証明アーティファクトを構築およびチェックする。
• レビューエージェント (Review Agent): 証拠、証明のギャップ、およびルートの価値を評価し、研究の分岐を深化させるか、再構成するか、あるいは撤退させるかを推奨する。

2.3 関心の分離

Iterisの主要な設計上の特徴は、探索エージェントと計画エージェントの分離である。計画エージェントがグローバルな一貫性を維持する一方で、探索エージェントは「局所的な慣性」（例：増分的なフォローアップ作業）を検出し、タスクが正式にコミットされる前に代替の方向性を提案するための積極的なプローブを実行する。これにより、システムはグローバルな一貫性を保ちつつ、現在の経路を超えて探索を行うことが可能となる。

3. 主要な貢献と結果

3.1 結果 I: CG vs. RCD フェーズ図

Iterisは、パワー則に従うスペクトル ($A_n = U_n \text{diag}(1^{-p}, \dots, n^{-p})U_n^*$) におけるCGとRCDの比較に適用された。

• 定理 1: システムは、$n \to \infty$ における比率 $\rho_n(\epsilon, p)$（RCDのエポック数 vs. CGのステップ数）のアシンプトティックな挙動に関する固定パラメータ・フェーズ図を確立した。
• 主な知見:
  • $p > 1$（可和スペクトル）の場合、RCDは $O(1)$ エポックで収束し、CGは $O(n)$ ステップを要するため、$\rho_n \to 0$ となる。
  • $p = 1$ の場合、$\rho_n \to 0$ となり、対数的な境界を持つ。
  • $0 < p < 1$ の場合、挙動は、テイル測度 $\nu_p$ を含む有限次元モーメント問題から導出された「ハンケル床（Hankel floor）」$F(p)$ によって支配される。
  • 誤差閾値 $\epsilon < F(p)$ の場合、CGは収束するために次数を増大させる必要があるが、RCDは有界に留まるため、$\rho_n \to 0$ となる。
  • $\epsilon > F(p)$ の場合、CGは $O(1)$ ステップで収束する一方、RCDは正の割合のエポックを必要とするため、$\rho_n$ はゼロから離れた値に留まる。
• 人間とAIの相互作用: システムはフェーズ構造と「ハンケル床」のメカニズムを特定した。しかし、初期の証明ドラフトは、$p < 1$ の領域におけるレート解析に対して不当に強い仮定に依存していた。人間の専門家がこのギャップを検出し、議論は保守的で検証済みのレート境界を提供するよう、相互作用を通じて修正された。

3.2 結果 II: QRCP 反例

Iterisは、直交行と有界なコヒーレンスを持つ行列に対して、QRCPが良好な条件を持つ部分行列を確実に選択するかどうかという問題に取り組んだ。

• 定理 2: システムは、行エネルギーが均一に制御されている場合でも、QRCPが良好な条件を持つ部分行列の選択に失敗し得ることを示す低コヒーレンス反例ファミリーを構築した。
• 主な知見: 任意の $H^* > 1$（コヒーレンス境界）および $B > 0$ に対して、直交行を持ち、コヒーレンス $\mu(Q) < H^*$ を持つ行列 $Q$ が存在し、選択された部分行列の条件数は $B k^e$ を超える。
• メカニズム: この反例は「三角逆代入（triangular back-substitution）」の圧力を利用している。システムは、局所的なピボット条件を満たしながらも、大きな逆ノルムを生じさせる選択されたコアブロックを設計した。さらに、ピボッティング・ルールによって選択されないように、グローバルな直交性を回復するために追加の列が加えられた。
• 人間とAIの相互作用: Iterisは障害を特定し、構築を生成した。証明の軌跡は当初、回り道であった。人間の専門家は、議論を読みやすい証明へと再構成し、非形式的な定理をLean 4による形式検証に適合させた。

4. 意義と主張

本論文は、エージェンティックなAIシステムは、計算数学の未解決問題における研究ワークフローに有意義に参加できると主張しているが、人間の検証が不可欠であることも強調している。

• ベンチマークを超えて: Iterisは、AIが孤立した演習を解くだけでなく、真の研究に参加し、長期的な探索的アーティファクトや証明ドラフトを生成できることを示している。
• ワークフローの統合: システムは、数値実験（ハンケル床やバックサブスティチューションの圧力といった構造的特徴の特定）と、形式的な証明構築をうまく調整することに成功した。
• 人間による介入の役割: 著者らは、Iterisは人間の努力を排除するのではなく、シフトさせるものであると明言している。
  • CGのケースでは、システムは構造を見つけたが、人間がレート解析を修正した。
  • QRCPのケースでは、システムは反例を見つけたが、人間が証明を再構成し、意味的な一貫性を検証した。
• 直接的なLLMとの比較: 高度なモデル（例：GPT-Pro）への直接的なクエリは、もっともらしいヒューリスティクスや高レベルのスケッチを生成したが、証明を完結させることはできず、しばしば期待される境界と確率的な境界の区別を曖昧にしたり、もっともらしいステップを完了した義務として扱ったりした。対照的に、Iterisはヒューリスティクスを監査可能な証明義務へと分解し、レビューエージェントを使用して正当化されていないショートカットを阻止することで、これに対処している。

結論として、AIは探索空間を広げ、ドラフトの議論を生成することはできるが、最終的な数学的判断、仮定の検証、ギャップの検出、および叙述は、依然として極めて重要な人間の責任である。