SIGAを読む：AIエージェントは「コードを書く」から「科学ソフトを扱う」へ進む

6月8日UTCにarXivへ投稿された「SIGA: Self-Evolving Coding-Agent Adapters for Scientific Simulation」は、派手な新モデル論文ではありません。むしろ重要なのは、既存のコーディングエージェントを、GEOS、OpenFOAM、LAMMPSのような科学シミュレータにどう接続するかという、かなり実務寄りの問いです。著者らはこれを「agent-tool interface grounding」、つまりエージェントと専門ツールの接地問題として定式化しています。(arxiv.org)

背景にある問題は分かりやすい。高度な科学シミュレータは、物理モデルそのものより先に、独自の入力形式、設定ファイル、検証規則、終了条件を理解しなければ使えません。論文は、こうしたシミュレータの習得が専門家でも数時間から数日かかりうると述べています。LLMエージェントはファイルを読んだり、コードを書いたり、コマンドを実行したり、エラーを直したりする一般能力は持っています。しかし、そのシミュレータ固有の「実行可能な契約」——語彙、構造制約、検証ルール、いつ完了とみなすか——を知らない。SIGAはこの不足分だけを薄いアダプタとして足す試みです。(arxiv.org)

SIGAの構成は大きく四つです。ドキュメント検索、手続き的メモリ、実行途中の検証、そして検証に通るまで終了させない仕組み。ここで面白いのは、エージェント本体を作り直していない点です。新しい巨大モデルを訓練するのではなく、既存のコーディングエージェントの外側に、対象ソフトの「使い方の地形」を与える。これは、AIエージェントの性能向上がモデルサイズだけでなく、ツールとの境界面の設計で起きることを示す研究です。(arxiv.org)

実験では、主に地下科学で使われるオープンソースのマルチフィジックスシミュレータGEOSを対象にしています。SIGAは完全なGEOS deckを約5分で生成し、TreeSimで0.90超を達成したとされます。論文はこれを、約3時間かけた人間専門家の拡張予算条件と同等水準、約36倍の壁時計時間短縮と説明しています。さらに難しいheld-outセットでは、素のエージェントのTreeSim 0.720を0.789へ上げ、相対約10%改善し、seed間の標準偏差を16分の1に下げたと報告しています。(arxiv.org)

ただし、この数字は慎重に読む必要があります。TreeSimは生成されたXML構造の類似度を測る指標であり、シミュレーション結果の科学的妥当性を全面的に保証するものではありません。入力deckが構造的に正しいこと、期待される例に近いこと、実行可能であることは重要ですが、それは「科学的結論が正しい」こととは別です。SIGAの価値は、科学を自動化したことではなく、科学ソフトを動かす前段階の摩擦を下げたことにあります。

この論文の見どころは、自己進化の扱いにもあります。SIGAは過去の実行軌跡からアダプタ内容を書き換えることで改善し、held-out GEOSで最も高い平均値を出し、強い手設計構成と同等または上回ったと報告されています。ここでの自己進化は、モデルが勝手に研究者になるという話ではありません。むしろ、失敗した設定、通った検証、役に立った検索結果を、次回の実行で見える形に残すという、かなり堅実な学習です。(arxiv.org)

OpenFOAMとLAMMPSへの転移結果も示唆的です。論文によれば、構造的な完全性がボトルネックになる場合は検証が効き、ドメイン上の正しさがボトルネックになる場合はメモリと検索が効く。つまり「エージェントに何を足せばよいか」は対象ソフトによって違います。汎用エージェントに万能プロンプトを与えるのではなく、ツールごとに欠けている契約を見極める必要がある。(arxiv.org)

今後の科学AIでは、論文を読んで仮説を出すエージェントよりも先に、既存の研究ソフトウェアを確実に動かすエージェントが重要になるかもしれません。研究現場のボトルネックは、常に「アイデア不足」ではありません。環境構築、入力ファイル、単位、境界条件、バリデーション、再実行可能性といった、地味で壊れやすい作業が多い。

SIGAが示しているのは、AIエージェントの次の進歩が「人間の研究者を置き換える」方向だけではないということです。専門ソフトの入口を狭めている暗黙知を、検索可能で検証可能で更新可能なアダプタに変える。そこに、科学AIの実用化に近い道があります。