ArIA: AI Agent for Molecular Simulations (ORCA)

ArIA: Molecular Simulations Assisted by an Artificial Intelligence Agent

Chanmungkalakul, van der Ree, Giuntoli, Pollice | ChemRxiv 2026-04 | DOI: 10.26434/chemrxiv.15002344 | University of Groningen

🎯 QLoRA小型OSS LLM＋バリデーション/フィードバックエージェントでORCA計算を自然言語で自動実行（SR>80%）

① 背景と課題

DFT/TDDFT計算（ORCAなど）は計算化学の標準ツールだが、入力ファイルの書き方に精通した専門家でないと活用できず、異なるソフトウェア間での構文の差異も大きな参入障壁となっている。商用LLM（GPT-4o等）を使った先行システムは存在するが、クラウド送信によるデータプライバシー問題・外部API依存・閉鎖的なコードベースが課題。

ORCA固有の構文はLLMの訓練データに少なく、ベースモデルの性能は限定的

商用LLM依存システムはデータをクラウドに送る必要があり企業研究での利用が困難

既存システムは全てクローズドソースか訓練データ非公開

② マルチエージェントアーキテクチャ

自然言語プロンプト入力
↓ アセスメントエージェント（計算化学タスク判定）
↓ QLoRA LLM（ORCA入力ファイル生成）
↓ バリデーションエージェント（autoaux/無効KW除去/整形）
↓ ORCA実行
↓ エラー→フィードバックエージェント（Agentic RAG）→修正→再バリデーション
↓ orca-parser（結果解析）＋orca-helpers（可視化）
↓ レポート生成LLM → Q&Aモード

Gradio Webインターフェースで全工程をブラウザから操作可能

③ QLoRA ファインチューニング

ベースモデル選定: 18モデル評価 → Qwen3-14Bを選定

最適設定（Bayesian最適化）:

LoRA: r=128, α=256, lr=0.0001, dropout=0.30
データ: mixed dataset + ORCAマニュアル
推論法: Tree-of-Thought (ToT) または intrinsic
50,000サンプル（2桁増加でSR継続向上）

F1avg = 0.430

Mistral-small-24B + ToT（最高F1）

SR > 80%

バリデーション+フィードバック1ループ後

④ 主な結果 (a) 訓練データ規模とSR

④ 主な結果 (b) 先行システム比較

システム	OSS	訓練データ公開	ローカル動作	FBループ
El Agente	✗	✗	✗	○
El Agente Quntur	✗	✗	✗	○
Aitomia	✗	✗	✗	✗
Masgent	✗	✗	△	○
ArIA（本研究）	✅	✅	✅	✅

唯一の完全OSS（コード・訓練データ・生成手法すべて公開）

データプライバシー完全保護・コミュニティ開発エコシステム構築を目指す

④ 主な結果 (c) フィードバックループ効果

④ 主な結果 (d) 応用可能性

TD-DFT/DFT計算を自然言語で指定し自動実行・可視化まで完走
Agentic RAG でORCAマニュアルを動的参照し専門的な計算設定を自動選定
プロンプト拡張で「箇条書き」「簡潔」「詳細」など多様な指示スタイルに対応
GROMACS/AMBER入力生成への転用が方法論的に直接可能

現状ORCAのみ対応。他のQC/MDソフトへの拡張は今後の課題

32GB+ GPU VRAM必須（ローカル動作の前提条件）

⑤ パイプラインへの実装提案

lib/md への転用:

GROMACS/AMBER向けQLoRAファインチューン訓練データを構築
mdp/topology/force fieldパラメータの自然言語→入力ファイル自動生成
GROMACS FATALエラー解析フィードバックエージェントを実装

lib/fep・lib/docking への転用:

FEP perturbation map整合性チェックのvalidation agentを追加
Agentic RAGでドッキングプロトコルのパラメータ自動選定
自然言語でSBVSプロトコルを指定するインターフェース整備

期待される効果

MDセットアップの参入障壁を大幅低減
実行エラーの自動修正でデバッグ工数削減
データプライバシー完全保護（ローカルLLM）
コミュニティでのファインチューンモデル共有