3か月前、Tencent Hunyuanは汎用科学研究問題向けのミニマルなAgentループシステムHyra1.0をリリースしました。そのオープンソースモデルHy3に駆動され、Hyraは加法組合せ数学において50年以上未解決だった核心的難題——和集合と差集合の最適指数——を解決することに成功し、国産オープンソースモデルが初めて完全自動で数学の未解決問題を解決した歴史的記録を打ち立てました。その後、国際的なAI大手企業も次々と数学および理論計算機科学の分野で競争を展開しています。

「AIによる問題解答」の道筋がすでに開通した以上、自動化科学研究の次のステップは一体どこへ向かうべきなのでしょうか？どうすればAIにより経済的かつ持続可能な形で複雑な科学難題を解決させられるのでしょうか？こうした業界の思索に対して、Tencent Hunyuanが出した答えは「ツールのアップグレード」です。これまでのAI4Scienceは、特定問題向けのAlphaFold、AlphaEarth、AlphaGeometryから、汎用モデル駆動のAgentが直接科学問題を解決するパラダイムへと進化してきました。そして今回リリースされたHyra2.0はさらに一歩先へ踏み出し、汎用Agentが科学ツールとモデルの研究開発・アップグレードに深く関与し、一度の研究開発成果が後続の研究で繰り返し使われることで、知能の複利を形成することを目指しています。

image.png

ツールのアップグレードのために生まれた全新のHarnessアーキテクチャ

ツールの研究開発は、単なる問題解答よりもはるかに高い要求を基盤のHarnessに課します。モデルの訓練には通常、方案設計、コード実装、訓練、評価、そして繰り返しの修正が必要で、そのサイクルは数日から数週間に及びます。Agentを真の産業級研究開発環境に適応させるため、Hyra2.0はTencent内部の実際の研究開発パイプラインに接続しました。企業WeChatで研究者と要件をすり合わせ、計算プラットフォームで実験を提出・管理し、コードリポジトリで変更を実装・検証し、実験プロセスと成果物を適切に保存します。

役割分担と協働において、Hyra2.0はOverall、Mission、Workerという3層の革新的アーキテクチャを採用しています：

Overall（総合調整）：人類の研究者とコミュニケーションを取り、プロジェクトの優先順位を管理し、計算資源と重要決定を調整します。

Mission（任務長官）：一つの独立した研究問題を長期的に担当し、研究路線を決定し、実験を設計し、Workerを組織し、最終結論に責任を持ちます。

Worker（実行働き蜂）：独立してコードを読み、実験を実行し、失敗原因を分析し、新しいアイデアを提案します。システムは異なるWorkerが異なるモデルを選択することをサポートし、多角的な分析と再検討意見を提供します。

長期的かつ並行的な複雑研究を支えるため、システムは永続化キューとResearch Board（研究ボード）を導入し、結論の品質を厳格に管理する独立した再検討メカニズム（Review Worker）を設計しました。同時に、重複した試行錯誤を避けるため、Hyra2.0はプロジェクト状態、Agent作業記憶、再利用可能な経験を分けて保存し、共有知識ベースBooksに検証済みの有効な方法を蓄積し、最終的に移転可能なskillとして整理することで、後続タスクが繰り返し呼び出し、継続的に反復できるようにしています。

image.png

7大先端領域をカバーする初期成果と硬核的ブレークスルー

現在、Hyra2.0はすでに大量の先端ツールとモデルの研究開発・アップグレードを完了し、関連成果は継続的にオープンソースコミュニティで公開されています。具体的には7つの核心方向をカバーしています：

HyInv（タンパク質逆折り畳み）：創薬設計における逆折り畳み難題に対し、Hyra2.0はわずか196万パラメータのグラフニューラルネットワークHyInvをゼロから訓練しました。これは「まず下書きし、次に書き換える」という2段階サンプリング手法を採用し、業界で一般的なProteinMPNNと比較して、生成された配列は目標構造との一致度がより高く、生成速度は57倍に急上昇しました。

HyPLM（タンパク質言語モデル）：ゼロから訓練された高効率タンパク質言語モデルHyPLM-Flashは6.5億パラメータを持ち、累計で7260億訓練Token（同類モデルの5分の1から8分の1に過ぎない）を使用し、同類比較において最速の推論速度を示し、35の評価タスクで平均3位にランクインしました。

HyFF（原子レベル基盤モデル）：大規模分子シミュレーション向けの原子レベル基盤モデルHyFFは5つの規模（230万から12億パラメータ）を提供し、83種類の元素をサポートします。その実際のシミュレーションは、約6万原子の水チャネルタンパク質膜系の100ナノ秒シミュレーション、および4.6万原子の酵素系における完全な結合切断・結合形成反応過程の追跡を支えることに成功しました。

HyProver（数学証明ワークフロー）：純粋数学証明向けのAgentワークフローであり、高いToken効率を維持しながら強い探索能力を備えています。現在までに数学者と協力して、丘成桐氏の円周作用予想と五次元Petty等距点予想の証明を検証・整理しました。

HyQEC（量子誤り訂正システム）：量子低密度パリティ検査符号（qLDPC）の構築と検証システムです。その設計したSplit Pauli-CPMアルゴリズムは、量子符号[488, 123, 22]の構築と厳密な検証に成功し、符号化効率指標は元の首位より約48%向上しました。符号距離検証では、GPU加速探索スループットが元のCPUツールの8倍から55倍に達し、ランキング187項目のうち178項目の正確な符号距離認証を完了しました。

器用な手本体設計：探索をロボット本体構造へと延伸する試みです。Agentは自律的に、5本指が手のひら周りに配置され、長さが漸変する「旋梯手」設計を発見しました。同じ策略微調整予算の下で、その平均回転速度は3.277rad/sに達し、最適設計より28.6%速く、目標完了数は21%向上しました。

香山プロセッサ最適化：オープンソースRISC-Vプロセッサ「香山」を巡る性能チューニングと正確性検証です。複数の問題を修正することで、SPEC CPU2006ベンチマークのGHz当たりスコアを5.79%向上させ（公式の2〜3か月の反復成果に相当）；同時に新設計のfuzzテストと形式検証により、10個の未公開Bugおよび1つのマルチコアキャッシュ一貫性反例を発見しました。

継続的進化：今日の研究を明日のツールにする

現在、Hyra2.0はTencent Hunyuan次世代Hyモデルの事前訓練、事後訓練、推論最適化にも全面的かつ深く取り組んでおり、実験サイクルを短縮し、高品質な訓練データを自動生成することでコストを削減しています。

Hyra2.0の正式リリースに伴い、自動化科学研究は深いパラダイム転換を迎えています：AIの貢献はもはや特定の答えを解くことに限定されず、ある種の問題群に対する研究能力を実質的に高めることにあります。単回の試行で得られた貴重な経験を再利用可能なツール、ワークフロー、Skillとして蓄積することで、各研究開発の価値が繰り返し使用される中で絶えず累積し、最終的には「ツールをうまく作るほど、ツールを作るシステムが強くなる」という好循環を通じて、人類科学の境界の拡張を持续的に加速させていきます。