今回は、生成AIを活用して、材料研究に役立つプログラムを作る方法を紹介します。
目標は、簡単なプログラムを自分で動かしながら、バンド理論やデータ解析の原理を理解することです。
こうした、計算の仕組みを追える小さなプログラムを、ここではトイプログラムと呼びます。
まずは生成AIの使い方とプログラム作成を学び、続いて検証や高速化、さらにバンド計算やデータ解析へと進みます。

生成AIの用途は、質問への回答だけではありません。
情報の調査や要約、図解の作成、講義資料やウェブページの制作、データ整理など、さまざまな作業に利用できます。
たとえば、会議の案内資料からウェブページを作ったり、講義スライドから教科書や音声解説の原稿を作ったりできます。
繰り返す作業であれば、その作業を自動化するプログラムを作ってもらうこともできます。

ただし、使い始める前に、注意点を押さえましょう。
秘密情報や機微情報は入力せず、個人情報を扱う場合も、仮想データや記号への置き換えを検討します。
また、生成された文章や画像について、正しさや著作権などの確認が必要です。
便利だからといって、自分で考えることまで任せてしまわないようにしましょう。

依頼するときは、まず、何をしたいのかを自然な日本語で伝えます。
目的、前提条件、入力データ、希望する出力形式を示すと、意図が伝わりやすくなります。
最初から完璧な指示を用意する必要はありません。
回答を見て、足りない説明を追加してもらったり、条件を変えて比較してもらったりします。
このように、対話を重ねて内容を固めるのが、壁打ちです。

その際には、結論を誘導しすぎないことも大切です。
自分の考えが正しいという前提で質問すると、それに沿った回答が返ってくることがあります。
根拠は何か、反対の見方はないか、間違っている可能性はないか。
こうした問い返しを使い、必要に応じて公式資料や論文に立ち返って確認します。
別のAIとの比較も参考になりますが、回答が一致するだけで正しいとは限りません。

続いて、プログラム作成です。
この講義では、ブラウザから使う生成AIに依頼し、出力されたPythonプログラムを保存して実行します。
たとえば、二つのエクセルファイルを共通の番号で結合したい、と伝えれば、その処理をするコードを作ってもらえます。
動作確認に使うサンプルデータも、一緒に作成できます。

基本の流れは、作って、動かして、直す、です。
エラーが出たら、エラーメッセージをコピーして、修正を依頼します。
グラフがおかしければ、その画像と、どこがおかしいと思うかを伝えます。
動くようになったら、入力条件を変更できるようにする、結果をファイルに保存する、といった改善を重ねます。
ただし、修正を続けるだけでは、コードが複雑になることもあります。
必要に応じて、処理を整理し、読みやすくすることも依頼しましょう。

科学計算では、特に、人が指定すべき内容があります。
それは、物理モデル、数式、単位、制約条件です。
資料では、薄膜の抵抗率測定に使う、ファンデルパウ法の補正計算を例にしています。
方法の名前だけで依頼すると、AIが数式を補ってコードを作ることがあります。
そこで、使う式を明示し、教科書などと照合する必要があります。
計算が収束しない場合には、既知の解や初期値についての知識が、改善の手がかりになります。

ほかにも、多項式による最小二乗法や、データのピークを合わせるフィッティングを扱います。
初期値と最適化後の曲線を比較する、計算途中の誤差を表示するなど、結果を確かめやすい出力を求めましょう。
入力した条件を、そのまま出力させておくことも有効です。
あとから、どの条件で計算した結果なのかを確認できます。

最後に、最も大切なのは、プログラムが動くことと、計算が正しいことを分けて考えることです。
半導体のキャリア密度を計算する例でも、同じ指示から作ったプログラムに違いが見られます。
原因が初期設定なのか、数値計算なのか、物理モデルなのかを調べる必要があります。
今回の実習では、まず、生成AIとの対話を通してプログラムを動かすところまでを体験します。
そのうえで、研究に使える結果かどうかを検証する力を、次の段階で身につけていきましょう。