複雑な金属部品が、固形ブロックから削り出されたり金型に鋳造されたりするのではなく、溶融した金属を層のように積み上げていく三次元プリンターのように、一層ずつ構築される世界を想像してみてください。これがアディティブ・マニュファクチャリング（積層造形）であり、これまで不可能だった形状を作り出すことを約束する技術です。しかし、これらの部品を製造することは繊細なバランスの上に成り立っています。壁が薄すぎれば崩壊してしまうかもしれませんし、支えなしに遠くまで突き出しすぎれば熱によって歪んでしまう可能性があります。何十年もの間、エンジニアは設計図を長いルールリストと照らし合わせて手動でチェックし、金属がどのように振る舞うかを予測するためにシミュレーションを実行し、もし問題がありそうであればパーツを描き直さなければなりませんでした。それは、人間の判断力がコンピュータの生の数値と工場の現場という物理的な現実との間の溝を埋める、遅くて反復的なプロセスでした。

現在、「AgenticDfAM」と呼ばれる新しいシステムが、この作業方法を変えようとしています。単に静的なルールのリストに対して設計をチェックするのではなく、このシステムは推論し、測定し、さらには従っているルール自体を書き換えることさえできるインテリジェントなソフトウェア・エージェントのチームを使用します。これらのエージェントは、パーツの画像を見るだけではありません。極めて精密に幾何学形状を測定する特化したツールと相互作用します。設計がチェックに失敗した場合、システムは単にエラーを指摘するだけでなく、修正案を提示し、その修正がパーツの強度や温度にどのような影響を与えるかを確認するためのシミュレーションを実行し、その変更を行う価値があるかどうかを決定します。重要なのは、このシステムが透明性を保つように設計されていることです。それが下すすべての決定は、人間のエンジニアが検査および検証できる特定の測定値または計算された数値に基づいています。

デビッド・ギルギス氏率いる研究者たちは、厳格なエンジニアリング基準を損なうことなく、設計、評価、修理という一連のサイクル全体を自動化できるかどうかを確かめたいと考えました。彼らは、大規模言語モデルがマネージャーとして機能し、特定のタスクを処理するためにさまざまなソフトウェアツールを調整するワークフローを構築しました。あるツールはデジタルモデル内の形状を認識し、別のツールは距離や角度を測定し、第三のツールは金属がどのように加熱され冷却されるかを予測するための複雑な物理シミュレーションを実行します。言語モデルのエージェントは、これらのツールの結果を読み取り、それらが何を意味するかを解釈し、次に何をすべきかを決定します。もしパーツの一部が細すぎる場合、エージェントは壁を厚くすることを提案するかもしれません。もしそれがパーツを重くしてしまうなら、異なる形状を提案するかもしれません。システムはすべての測定値と適用されたすべてのルールをログとして記録し続け、最終的な設計が単なる推測ではなく、確かなデータに基づいた解決策であることを保証します。

このシステムをテストするため、研究者たちは複雑な金属製のブラケットのデジタルモデルから開始しました。彼らは、特定のニッケル合金に関する製造ガイドラインとともに、このワークフローにモデルを入力しました。システムは即座に作業を開始し、設計を幾何学的特徴へと分解し、それらをルールと比較して測定しました。そして、壁が薄すぎる箇所やオーバーハングが急すぎる箇所など、いくつかの違反を発見しました。その後、エージェントはこれらの問題を解決するための3つの異なる方法を生成しました。一つの戦略は、パーツ全体の形状を全く変えずに、弱い部分に材料を追加することでした。もう一つの戦略は、軽量化のために一部の材料を取り除くものでした。三つ目のアプローチは、両者のバランスを取ろうとする試みでした。システムはこれらすべての新しいバージョンについて、実際の印刷工程中にどのように振る舞うかを確認するためにシミュレーションを実行しました。

結果は、幾何学的なエラーを修正するだけでは不十分であることを示しました。弱点を補強するために最も多くの材料を追加したバージョンは、パーツを取り出した際の歪みが最も少なくなりました。しかし、重量を節約するために材料を除去したバージョンは、基本的な幾何学的ルールを満たしていたにもかかわらず、特定の方向への歪みが大きくなりました。この発見は、従来の設計ツールの主要な限界を浮き彫りにしています。つまり、それらは往々にして一度に一つの問題しか見ていないということです。対照的に、AgenticDfAMはトレードオフを見抜くことができました。ある方法でパーツを強化することが、別の面での脆弱性を生む可能性があることを示し、エンジニアが金属が溶け出す前に、その結果としての影響を知ることができるようにしたのです。

また、このシステムは元のルールリストに含まれていない問題に対処することも可能であると証明されました。ある実験において、研究者はシステムに対し、クランプ用のサポート構造（パーツを印刷している間に保持するための一時的な足場）を設計するように求めました。システムは設計を生成しましたが、人間のレビュー担当者がそれを確認したところ、奇妙な点が見つかりました。サポートがパーツの下側にあるべきなのに、表面の上に乗ってしまっていたのです。これは単なるヒューマンエラーとして片付けるのではなく、エージェントは調査を行いました。エージェントはソフトウェアにサポートとパーツ表面の間の距離を測定させ、使用されていたサポート生成用コードが曲面に対して間違いを起こしていることを突き止めました。その後、エージェントはコードを書き換えてエラーを修正し、平坦な面と曲面の両方で新しいコードを検証してから、プロセス全体をやり直しました。今回、サポートは正しく配置され、無駄になるサポート材の量も大幅に減少しました。

おそらく、システムの適応力を示す最も衝撃的な実演は、熱に対処するための再設計を命じられたときのことでしょう。シミュレーションの結果、ブラケットの特定の部分に熱が蓄積しており、それが金属を弱体化させる可能性があることが判明しました。エージェントは、熱の流れを改善するためにパーツの形状を変更する一連の提案を行いました。具体的には、鋭い角を丸めたり、狭い隙間を埋めたりすることを提案しました。再びシミュレーションを実行した後、システムは、これらの変更の一つによってピーク温度が摂氏160度低下することを発見しました。これは劇的な改善でしたが、代償もありました：パーツがわずかに重くなり、サポート除去時の動きも少し変化したのです。システムはこれらのトレードオフを明確に提示し、エンジニアが「より涼しいパーツ」を選ぶか「より軽いパーツ」を選ぶかを、起こりうる結末についての完全な知識を持った上で選択できるようにしました。

これらのテストを通じて、システムは思考（推理）と測定を厳密に分離していました。言語モデルのエージェントは変更を提案することはできましたが、数値を捏造することはできませんでした。もし壁の厚さを知る必要があれば、計測ツールに依頼しなければなりません。もし温度を知る必要があるならば、シミュレーションに計算を依頼しなければなりません。これにより、システムが事実を幻覚したり、ストーリーに合わせてデータを捏造したりすることを防いでいます。システムがミスをした際（最初のサポート構造の問題など）、それは問題を診断し、基礎となるコードを修正し、設計を作成するための手順を自ら修正・検証してから先に進みました。このように、自身が設計を作るために使う手続き自体を自己修正し適応させる能力こそが、AgenticDfAMを従来の自動化の試みとは一線を画するものにしています。

研究者たちは、通常であればチームと数時間の作業を要するような複雑な設計課題を、このシステムが成功裏にナビゲートできることを見出しました。システムは違反を特定し、複数の解決策を提案し、それらの結果をシミュレートし、さらに解決策を生成するためのコード自体をも修正できます。クランプのケースでは、システムはサポート設計を修正するために戻る回数を、10回の試行から5回へと減らすことに成功しました。また、ある向きにおいては、無駄になるサポート材の量を3割近く削減しました。これらの改善は単なるスピードアップではなく、人間が単一のルールや制約に集中しすぎて見落としてしまうような、より優れた解決策を見つけ出すためのものです。

この成果は、人工知能がエンジニアに取って代わるのではなく、測定や計算といった重労働を引き受ける強力なパートナーになり得ることを示しています。システムは、数字のチェックやシミュレーションの実行に決して飽きることのない、疲れを知らない助手として機能します。これにより、人間のエンジニアはより大きな視点――どのトレードオフを受け入れるべきか、そして完成したパーツが果たすべき役割は何かを決めること――に集中できるようになります。測定と推論を分けることで、システムはすべての決定が具体的な証拠に遡れることを保証します。この透明性は、ミスが深刻な事態を招きかねない航空宇宙産業や医療業界にとって不可欠な要素です。

結局のところ、AgenticDfAMは私たちが作るものの設計における新たな道を示しています。コンピューターが単にルールのリストをチェックするという概念を超え、設計の文脈を理解し、挙動を予測し、問題を解決するために自身のメソッドを適応させるシステムへと進化させています。このシステムはあらゆる答えを持っていると主張するわけではありませんが、より速く、より高い信頼性を持って答えを見つけるための手段を提供します。それはデザインプロセスを、人間の意図と機械の精度による会話に変えます。そこでは、すべての提案が数値によって裏付けられ、すべての数値が検査可能な状態にあるのです。これは単なるエンジニアのための新しい道具ではありません。私たちの現代社会を構成する複雑な物体を、どのように創造していくかという、新しい考え方の提示なのです。