METASYMBO：記号的潜在進化によるマルチエージェント言語誘導メタマテリアル発見

要旨: メタマテリアルの発見は、幾何学的構造によって狙った機械的ふるまいを誘起する、微細構造を持つ材料を探し出すことを目指します。既存の逆設計手法は候補を効率よく生成できますが、通常は明示的な数値の物性目標を必要とし、研究者がしばしば不完全な制約や自然言語で表現された定性的な意図から出発する、初期段階の探索にはあまり適していません。大規模言語モデルはそのような意図を解釈できますが、幾何学的な認識や物理的性質の妥当性が欠けています。このギャップに対処するために、我々は Symbolic-driven latent evOlution による、言語ガイド付きメタマテリアル発見のためのマルチエージェントフレームワークである MetaSymbO を提案します。具体的には、MetaSymbO は3つのエージェントから構成されます。すなわち、自由形式の設計意図を解釈し、意味的に整合した足場（スキャフォールド）を取得する Designer、非相関化された潜在空間上で候補となる微細構造を合成する Generator、反復的な改良のために、物性を意識した高速なフィードバックを提供する Supervisor です。既知のサンプルや学習データからの再現にとどまらないために、推論時に非相関化された潜在因子に対してプログラム可能な演算子を適用し、構造を合成・修正・洗練する、シンボリック駆動の潜在進化（symbolic-driven latent evolution）も新たに導入します。大規模な実験により、(i) MetaSymbO は対称性で最大34%、周期性でほぼ98%、既存の最先端ベースラインと比べて構造の妥当性を向上させることを示します；(ii) MetaSymbO は高度な推論を行うLLMと比較して構造の新規性を維持したまま、言語ガイダンス指標で約6〜7%高いスコアを達成します；(iii) 定性的な分析により、プログラム可能な意味的整合を可能にするシンボリック論理演算子の有効性が確認されます；そして(iv) 無補強（オーキシェス）や高剛性のメタマテリアル設計に関する実世界のケーススタディによって、その実用的な能力がさらに検証されます。