ИИ-модели создают собственные инструменты квантовой химии для снижения вычислительных затрат

Если вы сегодня хотите, чтобы языковая модель запустила новую симуляцию квантовой динамики, вам обычно приходится ждать, пока человек напишет программное обеспечение. Библиотеки для физического моделирования, такие как OpenFermion или PennyLane, обладают большими возможностями, но они статичны. Когда ИИ сталкивается с молекулярной структурой, требующей математической функции, выходящей за рамки его заранее запрограммированной среды, он просто останавливается.

Команда исследователей, в которую вошли Зицзянь Чжан (Zijian Zhang), Игнасио Густин (Ignacio Gustin) и Алан Аспуру-Гузик (Alán Aspuru-Guzik), создала обходной путь. Их фреймворк, получивший название El Agente Forjador («Агент-кузнец»), заставляет ИИ писать, выполнять и отлаживать собственные инструменты на языке Python с нуля. Это переход от восприятия кода как статической зависимости к динамически генерируемой цепочке поставок.

Петля обратной связи Python

Традиционные агентные рабочие процессы рассматривают существующее программное обеспечение как жесткую границу. El Agente Forjador рассматривает его как черновик. Система работает по четырехэтапному циклу: анализ, генерация, выполнение и оценка.

Получив научную задачу, агент анализирует математические требования и пишет специализированный Python-скрипт для ее решения. Затем он запускает этот код. Если результат не соответствует параметрам симуляции, агент считывает ошибку, отлаживает свой собственный скрипт и повторяет процесс до тех пор, пока физические показатели не придут в норму.

Исследователи протестировали этот автономный цикл на 24 различных задачах квантовой химии и молекулярной динамики. Модели, использующие цикл «самокования», неизменно превосходили базовые системы, которые были вынуждены решать сложные химические задачи без возможности написания собственных наборов инструментов.

Аутсорсинг вычислительного налога

Самая примечательная деталь исследования — не сама автоматизация, а экономика вычислений. Запуск передовых моделей, таких как GPT-4o, для каждого итеративного научного запроса стоит непомерно дорого. Это знакомый структурный недостаток для европейских научно-исследовательских институтов, пытающихся распределить финансирование по программе Horizon в условиях ценообразования американских гиперскейлеров.

El Agente Forjador внедряет форму передачи цифровых знаний, которая частично подрывает эту модель ценообразования. Как только мощный ИИ успешно «выковывает» инструмент — например, скрипт для расчета энергии основного состояния сложной молекулы, — он помещает этот код в постоянную библиотеку. По сути, он формирует свою собственную учебную программу.

После этого более слабые языковые модели могут использовать этот проверенный инструмент для решения задач экспертного уровня. Меньшей, более дешевой модели с открытыми весами больше не нужно обладать способностями к рассуждению для написания сложных квантовых алгоритмов. Ей нужно лишь знать, какой заранее созданный инструмент взять с полки.

Дорогая модель платит высокий «вычислительный налог» за изобретение инструмента, а более дешевая модель использует его за копейки. Кремниевая долина может владеть передовыми моделями, но вычислительная химия только что нашла способ закупать результаты их работы оптом.

Источники

• Zijian Zhang, Ignacio Gustin, Alán Aspuru-Guzik — El Agente Forjador Framework