AI-modeller skriver egna verktyg för kvantkemi för att kringgå beräkningskostnader

Om du vill att en språkmodell ska köra en ny kvantdynamisk simulering idag, måste du vanligtvis vänta på att en människa skriver programvaran. Fysikbibliotek som OpenFermion eller PennyLane är mycket kapabla, men de är låsta i tiden. När en AI möter en molekylär struktur som kräver en matematisk funktion utanför dess förprogrammerade miljö, stannar den helt enkelt av.

Ett team med bland andra forskarna Zijian Zhang, Ignacio Gustin och Alán Aspuru-Guzik har byggt en lösning. Deras ramverk, som kallas El Agente Forjador (Smedsagenten), tvingar AI:n att skriva, exekvera och felsöka sina egna Python-verktyg från grunden. Det är ett skifte från att betrakta kod som ett statiskt beroende till att se det som en dynamiskt genererad leveranskedja.

Python-återkopplingsloopen

Traditionella agentbaserade arbetsflöden betraktar befintlig programvara som en fast gräns. El Agente Forjador betraktar den som ett första utkast. Systemet arbetar i en loop i fyra steg: analys, generering, exekvering och utvärdering.

När agenten får ett vetenskapligt problem analyserar den de matematiska kraven och skriver ett skräddarsytt Python-skript för att lösa det. Därefter kör den koden. Om resultatet inte uppfyller simuleringsparametrarna läser agenten felmeddelandet, felsöker sitt eget skript och itererar tills fysiken stämmer.

Forskarna testade denna autonoma cykel på 24 distinkta uppgifter inom kvantkemi och molekylärdynamik. Modeller som använde den självskapande loopen presterade konsekvent bättre än baslinjesystem som tvingades navigera komplexa kemiproblem utan förmågan att skriva anpassade verktygsuppsättningar.

Att lägga ut beräkningskostnaden på entreprenad

Den mest intressanta detaljen i forskningen är inte själva automatiseringen, utan beräkningsekonomin. Att köra banbrytande modeller som GPT-4o för varje iterativ vetenskaplig förfrågan är ruinerande dyrt. Det är en välkänd strukturell nackdel för europeiska forskningsinstitut som försöker få Horizon-finansiering att räcka mot amerikanska molnleverantörers prissättning.

El Agente Forjador introducerar en form av digital kunskapsöverföring som delvis kringgår denna prismodell. När en kraftfull AI framgångsrikt smider ett verktyg — till exempel ett skript för att beräkna grundtillståndsenergin hos en komplex molekyl — sparar den koden i ett permanent bibliotek. Den kurerar i praktiken sin egen läroplan.

Efterföljande, svagare språkmodeller kan sedan hämta det validerade verktyget för att lösa expertnivåproblem. En mindre, billigare modell med öppen vikt behöver inte längre besitta resonemangsförmågan för att skriva komplexa kvantalgoritmer. Den behöver bara veta vilket färdigsmitt verktyg som ska hämtas från hyllan.

Den dyra modellen betalar den tunga beräkningsskatten för att uppfinna verktyget, och den billigare modellen använder det för småsummor. Silicon Valley må äga de främsta modellerna, men beräkningskemi har precis listat ut hur man köper deras resultat i grossistledet.

Källor

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