AIが生成する材料シミュレーション用コードのAPI参照を、実行環境と専用ガイドの組み合わせで正確にできるか。NVIDIAの45件の評価では参照エラーが生じなかったが、リチウムの拡散計算では条件の指定が結果を大きく変えた。
自然言語の計算条件からGPU向けの実行コードを作る
AIコーディングエージェントは、研究者が自然言語で示す材料、条件、計算手順を受け取り、シミュレーション用コードを生成して実行する。計算基盤となるNVIDIAの材料シミュレーション用ソフトウェア「NVIDIA ALCHEMI Toolkit」は、機械学習による原子間ポテンシャルを使ったGPU上の計算を、PyTorchを基盤とする部品から組み立てる。
エージェントにはToolkitのAPIを正しく呼び出す知識も必要になる。Toolkit向けのエージェントスキルと参照ファイルは、必要になった時点でAPIの使用例を渡すため、研究者の指示を材料や計算条件に集中させられる。
生成コードを実行できる環境で45件を評価
NVIDIAの最終評価では、Toolkitを導入したPython環境を用意し、エージェントが生成コードを実際に動かせるようにした。対象はシリコンの状態方程式、銅(111)面への酸素吸着、リチウムの自己拡散という3種類の計算だった。
この条件で生成した45件のパイプラインには、壊れたインポートも存在しないAPIへの参照もなかった。この結果が示すのはコード上の参照の正確さであり、計算対象や物理条件の妥当性は別に確かめる必要がある。
指示の細かさがコードの再利用性と長さを変える
プロンプトには、材料と計算方法だけを示す段階から、コマンドラインの入出力仕様まで定める段階まで幅がある。後者では生成コードの再利用性が完全になった一方、Sketch段階の指示に比べてトークン消費は約4倍、コード量は2.3倍になった。
指定すべき内容はコードの形式だけではない。初期の試験では、「リチウム材料の輸送特性」という曖昧な依頼から、リチウムではなくアルゴンのデモを扱うコードが生成された。材料や相を明示する指示は、APIの正確さとは異なる、計算対象の取り違えを防ぐ役割を持つ。
リチウム拡散の値を左右した熱浴の指定
リチウムの自己拡散計算では、熱浴について指示しないコードが、本計算にLangevin動力学を使った。その条件で得られた拡散係数は3～5倍小さくなり、実行できるコードでも計算手順によって結果が変わることが分かった。
プロンプトでNVEアンサンブルを指定すると、生成された全スクリプトが測定に適した条件へ切り替わった。エージェントへ渡す指示には、対象物質に加えて、測りたい物理量を左右する計算条件も含める必要がある。