AutoMS: 異種物理（クロス・フィジックス）逆問題における微細構造設計のためのマルチエージェント進化探索

要旨: 結合したクロスフィジックス（複数物理の連成）目標を満たす微細構造を設計することは、材料科学における根本的な課題である。この逆設計問題は、膨大で不連続な探索空間を含んでおり、従来のトポロジー最適化は計算コストの観点で実行が困難である。また、深層生成モデルはしばしば「物理的な幻覚」に悩まされ、厳密な妥当性を保証する能力を欠いている。こうした制約に対処するために、私たちは AutoMS を提案する。AutoMS は、逆設計を LLM 主導の進化的探索として再定式化する、多エージェントのニューロ記号推論（neuro-symbolic）フレームワークである。LLM を単なるインターフェースとして扱う手法とは異なり、AutoMS は LLM を「セマンティックなナビゲータ」として統合し、探索空間を初期化して局所最適に陥ることを打破する。さらに、提案する新規の Simulation-Aware Evolutionary Search（SAES）により、従来の進化的戦略に固有の「盲目性」を解消する。具体的には、SAES はシミュレーションのフィードバックを用いて局所的な勾配近似と、方向づけられたパラメータ更新を行い、その結果として探索が物理的に妥当なパレート前線へと効果的に導かれる。専用エージェント（Manager、Parser、Generator、および Simulator）を統括することで、AutoMS は 17 個の多様なクロスフィジックス課題において 83.8\% の最先端の成功率を達成し、従来の NSGA-II（43.7\%）をほぼ 2 倍にまで高めるとともに、ReAct ベースの LLM を用いたベースライン（53.3\%）を大幅に上回る。さらに階層型アーキテクチャにより、総実行時間を 23.3\% 削減する。AutoMS は、自律エージェントシステムが複雑な物理的ランドスケープを有効に探索できること、そしてセマンティックな設計意図と厳密な物理的妥当性のギャップを埋められることを示している。