OpenQlaw: 2D量子材料の解析のためのエージェント型AIアシスタント

概要: 2D量子材料の光学的識別から実用デバイス製造への移行には、検出精度を超えた動的推論が要求されます。最近の領域特化型マルチモーダル大規模言語モデル（MLLM）は、物理情報に基づく推論を用いて視覚的特徴をうまく基づけますが、その出力は段階的な認知透明性のために最適化されています。これにより、冗長な候補の列挙の後に密な推論が続きます。正確ではあるものの、認知的過負荷を招く可能性があり、研究者との現実世界の相互作用に直ちに有用でない場合があります。この課題に対処するため、2D材料を分析するエージェント指向のオーケストレーションシステムOpenQlawを紹介します。このアーキテクチャは、OpenClawに触発された軽量なエージェント指向フレームワークであるNanoBotと、量子材料探索のための最初期の物理認識付き指示型マルチモーダルプラットフォームのひとつであるQuPAINTに基づいています。これにより、さまざまなメッセージングチャネルを介して研究現場へのアクセスが可能になります。OpenQlawは、コアLLMエージェントが、QuPAINTを専門ノードとして用い、領域専門のMLLMを統括できるようにし、視覚的識別と推論および決定論的な画像レンダリングをうまく切り離します。専門家からの空間データを解析することにより、エージェントは、スケール認識を考慮した物理計算を実行したり、独立した視覚注釈を生成したりといったユーザーの問いに動的に対応し、自然な形で回答します。特に、このシステムには、エージェントが面積計算のための物理スケール比（例：1ピクセル = 0.25 μm）を保存し、効果比較のためのサンプル調製方法を格納する永続的なメモリ機能が備わっています。エージェント型アーキテクチャの適用と、コアエージェントをドメイン特定の専門家のオーケストレーターとして機能させる拡張は、孤立した推論を文脈を踏まえたアシスタントへと変換し、高スループットなデバイス製造を加速できる能力を持ちます。