化学プロセス設計支援AIの評価方法を開発 ―LLMの化学プロセス修正提案能力を測る―
化学製品の製造工程の設計には化学プロセスシミュレータや専門知識に基づく検討が必要です。近年、この作業を生成AIの一種である大規模言語モデル(LLM)で支援することが期待されています。その一方で、AIが提案した条件が、目的の結果を実際にもたらすかどうかを確かめることは重要な課題です。
化学理工学専攻 高原渉 特定助教、菅沼龍 学部学生、宮本奏汰 助教、田辺克明 教授(兼:京都MPI株式会社 取締役CTO)らの研究グループは、AIによる化学プロセスの設定値の修正案をシミュレータで検証する評価ベンチマーク「PSE-RepairBench」を開発しました。共通の課題で、LLMによる化学プロセス設計支援において、その挙動や修正提案の有効性を比較できることを示しました。また、化学プロセスの条件修正を提案する能力を評価でき、コーディングや推論能力などを測る公開ベンチマークとは違う観点からLLMを評価できることが示唆されました。今後のLLMの選定・改良に役立ち、化学プロセス設計支援AIの実現に向けた共通の基盤となることが期待されます。
本研究成果は、2026年11月19日(現地時刻)に英国の国際学術誌「Digital Discovery」にオンライン掲載されます。
研究詳細
化学プロセス設計支援AIの評価方法を開発 ―LLMの化学プロセス修正提案能力を測る―
研究者情報
- 高原 渉 京都大学教育研究活動データベース
- 宮本 奏汰 京都大学教育研究活動データベース
- 田辺 克明 京都大学教育研究活動データベース
論文情報
| タイトル |
PSE-RepairBench: A simulator-grounded benchmark for evaluating large language model-based setpoint correction in executable chemical process flowsheets(PSE-RepairBench:計算可能な化学プロセスフローシートにおける大規模言語モデルによる設定値修正を評価するシミュレータに基づくベンチマーク) |
|---|---|
| 著者 |
Wataru Takahara、Ryu Suganuma、Souta Miyamoto、Katsuaki Tanabe |
| 掲載誌 |
Digital Discovery |
| DOI | 10.1039/d6dd00673f |
| KURENAI |
