テクニカルサマリー：エクサスケールAI for Scienceに向けて – 自律的なマイクロキネティクス発見のためのスケーラブルなAIスキル

問題提起

第一原理に基づく複雑な材料特性の発見は、特に複雑な材料構造における反応速度論（反応キネティクス）の領域において、依然として大きな課題となっている。量子力学（QM）手法とサロゲート・ファウンデーションモデルを組み合わせたマルチスケール・シミュレーションは最先端の手法であるが、そのプロセスはしばしば労働集約的である。具体的には、最小エネルギー経路（MEP）および活性化エネルギーを決定するために用いられるNudged Elastic Band（NEB）計算は、パラメータの選択やシステムの構成に対して非常に敏感である。この敏感さゆえに、ドメインエキスパートによる数日あるいは数週間に及ぶ手作業の試行錯誤が必要になることが多い。さらに、エージェンティックAI（Agentic AI）はこれらのワークフローの自動化を約束しているものの、ハイパフォーマンス・コンピューティング（HPC）リソースを活用し、シミュレーションの失敗から回復できる堅牢なフレームワークは、まだ初期段階にある。現在の大規模言語モデル（LLM）は、誤った科学的パラメータを生成してしまう「サイコファンティック（追従的）」な性質に苦慮することが多く、自律的な科学的発見のための「ワンサイズ・フィット・オール（汎用型）」なソリューションも不足している。

手法

著者らは、マイクロキネティクス発見のためのNEB計算を自動化するために設計された、**nebskill**と呼ばれる特定の「AIスキル」を中心とした、スケーラブルでAI駆動型のフレームワークを提案している。この手法は、エージェンティックな自動化、材料特化型のサロゲートモデル、および大規模なHPCシミュレーションという3つの主要な柱を統合している。

1. スキル設計とエージェント・ワークフロー

nebskillは、NEBプロセスを5つの明確なステップに分解する、構成可能なエージェント・タスクとして構築されている：

1. 初期化（Initialization）： 機械学習原子間ポテンシャル（MLIP）モデルのダウンロードを含む環境セットアップ、および反応物・生成物の座標の検証。
2. 緩和（Relaxation）： 反応物および生成物の構成の緩和。
3. 補間および計算（Interpolation and Calculation）： 状態間の補間、および2フェーズ計算（標準的なNEBに続くClimbing-Image NEB）の実行。
4. モニタリングおよび失敗からの回復（Monitoring and Failure Recovery）： 計算が失敗した場合、エージェントは原因（例：「イメージ崩壊（image collapse）」や「キンキング（kinking）」）を診断し、新しいパラメータ（例：バネ定数やイメージ数の調整）をReAct（Reasoning and Acting）アプローチを用いて提案する。
5. 解析および報告（Analysis and Reporting）： 合成された化学構造を検証するために、ドメインエキスパートの手法を適用する。

エージェントは、コンテキストの断片化（context rot）を防ぐために、タスクをサブタスクに分割し、SKILL.mdおよびINSTRUCTIONS.mdファイルを含むディレクトリ構造を使用してコンテキストを管理する。意思決定において、エージェントはシステムプロンプトを介してLLM推論エンドポイント（具体的にはALCF推論エンドポイント）と対話し、蓄積された知識の活用（exploitation）と新しい戦略の探索（exploration）のバランスを取りながら、リトライ戦略を決定する。

2. サロゲートモデルとグラウンドトゥルース

本研究では、グラファイト表面のマイクロキネティクスを評価するために、10種類以上の最先端（SOTA）ユニバーサルMLIPモデル（Nequip、MACE、Allegroの各バリアントを含む）をサロゲートとして評価している。これらの等変ネットワーク（equivariant networks）は、幾何学的一貫性を確保するために球関数を用いて原子環境をエンコードしている。

• グラウンドトゥルース（真値）： 量子分子動力学（QMD）シミュレーションは、密度汎関数理論（DFT）を真値としてQXMDソフトウェアを用いて実行された。システムは、投影増幅波（PAW）法およびGGA交換相関汎関数を用いて、グラファイト表面からのCO2昇華をモデル化した。

3. HPC統合とスケーラビリティ

フレームワークは、National Energy Research Scientific Computing Center（NERSC）のPerlmutterクラスターおよびALCF推論エンドポイントでテストされた。エージェントは、以下の2次元の並列化戦略を採用している：

• モデル並列性（Model Parallelism）： 異なるノードに分散された複数のMLIPモデル（通常5〜10個）の緩やかな結合による評価。
• イメージ並列性（Image Parallelism）： 原子力の交換に伴う通信レイテンシを最小限に抑えるため、単一ノード内のGPU間に分散されたNEBイメージ（10〜30個）の密な結合。

主要な結果

1. サロゲートモデルの性能

本研究では、様々な学習済みMLIPモデルによって予測された活性化エネルギープロファイルを、DFTのグラウンドトゥルースと比較した。

• 精度： mace-mp-lモデルが、DFTの結果に最も近い活性化エネルギーを示した。nequip-oamおよびallegro-oamのエネルギー曲線は、DFTの軌跡を密接に追従した。
• メカニズム： すべてのモデルは、他の量子力学計算と一致する、ラクトン媒介によるCO2昇華メカニズムを正常に予測した。

2. スケーラビリティとパフォーマンス

Perlmutterクラスター（HPE Crayシステム、NVIDIA A100 GPU搭載）におけるスケービリティテストでは、ほぼ完全な並列効率が示された。

• スピードアップ： 16個のGPU（4ノード）を使用することで、ベースライン（4個のGPU）と比較して3.75倍のスピードアップを達成し、ウォールクロック時間を116.9分から32.1分へと短縮した。
• 効率性： 分散型NEBコンピューティング・アプローチは、通信オーバーヘッドを効果的に最小限に抑え、これらのワークフローをリーダーシップ・コンピューティング施設全体にスケールさせることの実現可能性を検証した。

3. 失敗からの回復と堅牢性

エージェントは、初回試行で失敗した「レジリエント（回復力のある）」ジョブを正常に処理した。

• 失敗モード： 最終的に収束した54件の初期失敗ジョブのうち、51件は「イメージ崩壊」（低いバネ定数に起因）によるものであり、3件は「キンキング」（エネルギープロファイルの不連続性）によるものであった。
• 回復戦略： エージェントのデフォルトかつ最も効果的な戦略は、バネ定数の調整であった。複雑なケース（例：mace-mp）では、エージェントはパラメータ（例：バネ定数を0.3から1.2へ増加させ、その後NEBイメージを増やし、再びバネ定数を減少させる）を反復的に調整して収束を実現した。
• オーバーヘッド： LLM推論エンドポイントとの通信コストは低く、リトライあたり平均約1,600トークン、通信時間は6〜14秒であり、高いスループットを示した。
• 不確実性の定量化： 収束条件（最大力 0.1–0.3 eV/Å）を変化させることで、異なるMLIPモデルの感度を定量化した。equiformer-v3やnequip-oam-mのようなモデルは極めて低い標準偏差を示したが、matris-oamのようなモデルは高い分散を示しており、これが堅牢なサロゲートの系統的な選択に役立つことを示した。

意義と主張

本論文は、AIスキルがいかにして複雑なドメイン・ワークフローを堅牢でスケーラブルな能力へと変容させられるかを実証することで、エクサスケールAI for Scienceへの重要な一歩であると主張している。

• 自律的な回復： 本研究は、AIエージェントがシミュレーションの失敗から自律的に回復できることを証明しており、NEB計算のような専門家の介入を必要とする労働集約的なタスクの負担を軽減できることを示している。
• 系統的な評価： このフレームワークは、サロゲートモデルの信頼性の系統的な評価と、予測の不確実性の定量化を可能にし、これは再現可能な科学にとって極めて重要である。
• スケーラブルなアーキテクチャ： エージェンティックな推論とHPCリソースを統合することで、オープンなモデルを使用して国家規模のスーパーコンピューティング・インフラストラクチャ上でシミュレーションを管理できることを示し、「AI科学者」がグランドチャレンジ・ワークフローを実行できる道を開いた。
• 限定的な範囲： 著者らは、本研究を完全自律型の「ワンサイズ・フィット・オール」なソリューションではなく、エージェンティックなワークフローを探求するコミュニティに即時的かつ実践的な価値を提供する「共同科学者（co-scientist）」のアプローチとして位置づけている。目標は、ドメインの専門知識を、分散コンピューティング施設全体で動作可能な再利用可能なAIスキルとしてカプセル化することである。