第8章: Self-Driving Laboratory — 自律実験室の実現

// 合成装置の MCP Tool 定義（概念例）
const sputteringTool = {
  name: "sputter_deposit",
  description: "スパッタリング装置でZnO薄膜を成膜する",
  inputSchema: {
    type: "object",
    properties: {
      target: {
        type: "string",
        description: "ターゲット材料（例: ZnO, ZnO:Al）"
      },
      power_W: {
        type: "number",
        description: "RF出力（W）",
        minimum: 50,
        maximum: 300
      },
      pressure_Pa: {
        type: "number",
        description: "成膜圧力（Pa）",
        minimum: 0.1,
        maximum: 10
      },
      duration_min: {
        type: "number",
        description: "成膜時間（分）",
        minimum: 1,
        maximum: 120
      },
      substrate_temp_C: {
        type: "number",
        description: "基板温度（°C）",
        minimum: 25,
        maximum: 800
      },
      gas_atmosphere: {
        type: "string",
        enum: ["Ar", "Ar/O2", "N2"],
        description: "雰囲気ガス"
      }
    },
    required: ["target", "power_W", "pressure_Pa",
               "duration_min", "substrate_temp_C", "gas_atmosphere"]
  }
};

class SafetyChecker:
    """SDL安全チェッカー"""
    
    def __init__(self, equipment_limits: dict):
        self.limits = equipment_limits
    
    def check_parameters(self, params: dict) -> tuple[bool, str]:
        """パラメーターが装置の許容範囲内かチェック"""
        for key, value in params.items():
            if key in self.limits:
                min_val, max_val = self.limits[key]
                if not (min_val <= value <= max_val):
                    return False, (
                        f"⚠️ {key}={value} は許容範囲外"
                        f"（{min_val}〜{max_val}）"
                    )
        return True, "✅ 全パラメーター正常"
    
    def check_trend(
        self, 
        history: list[float], 
        threshold: float = 3.0
    ) -> tuple[bool, str]:
        """過去の測定値から異常トレンドを検出"""
        if len(history) < 3:
            return True, "データ不足（3点未満）"
        
        import numpy as np
        mean = np.mean(history[:-1])
        std = np.std(history[:-1])
        latest = history[-1]
        
        if std > 0 and abs(latest - mean) > threshold * std:
            return False, (
                f"⚠️ 最新値 {latest:.3f} が過去平均 {mean:.3f} から"
                f" {threshold}σ 以上乖離"
            )
        return True, "✅ トレンド正常"

class ConvergenceChecker:
    """SDLの収束判定"""
    
    def __init__(
        self, 
        target: dict,
        max_iterations: int = 50,
        patience: int = 5,
        min_improvement: float = 0.01
    ):
        self.target = target
        self.max_iterations = max_iterations
        self.patience = patience
        self.min_improvement = min_improvement
        self.history: list[float] = []
    
    def check(
        self, 
        iteration: int, 
        best_value: float
    ) -> tuple[bool, str]:
        """終了条件のチェック"""
        self.history.append(best_value)
        
        # 目標達成
        if best_value <= self.target.get("threshold", float("-inf")):
            return True, "🎯 目標値に到達しました"
        
        # 予算消費
        if iteration >= self.max_iterations:
            return True, "📊 最大実験回数に到達しました"
        
        # 改善率低下
        if len(self.history) >= self.patience:
            recent = self.history[-self.patience:]
            improvement = abs(recent[-1] - recent[0]) / abs(recent[0])
            if improvement < self.min_improvement:
                return True, (
                    f"📉 直近{self.patience}回の改善率が"
                    f"{self.min_improvement*100}%未満です"
                )
        
        return False, f"▶ 継続（{iteration}/{self.max_iterations}）"

---
name: scientific-sdl-orchestrator
description: |
  Self-Driving Laboratory制御スキル。
  「自律実験」「SDLを開始」「夜間実験」「連続実験」で発火。
tu_tools:
  - key: botorch
    name: BoTorch
    description: ベイズ最適化（実験計画）
  - key: neo4j
    name: Neo4j
    description: 知識グラフ（実験記録）
  - key: equipment_mcp
    name: 装置制御MCP
    description: 実験装置のMCPインターフェイス
---

# Scientific SDL Orchestrator

実験計画→実行→解析→知識更新のループを自律的に制御するスキル。

## When to Use
- 連続的な条件探索を自動化したい
- 夜間・週末に実験を走らせたい
- ベイズ最適化ループを自動で回したい

## 自律レベルの選択
- Level 2（半自律）: 各実験前に研究者の承認を求める
- Level 3（監視付き自律）: 異常時のみ停止・通知
- Level 4（完全自律）: 事前に全パラメーターの安全範囲を定義

## 安全チェック（必須）
1. 全パラメーターが装置の許容範囲内か
2. 試薬・消耗品の残量は十分か
3. 装置の累積運転時間はメンテナンス周期内か
4. 前回の実験データに異常はないか

## 終了条件
- 目標値に到達
- 改善率が閾値を下回る
- 実験回数が上限に到達
- 安全上の問題が検出された場合は即時停止

## 参照スキル
- ← scientific-experiment-planning（実験計画）
- ← scientific-data-analysis（データ解析）
- ← scientific-knowledge-graph（知識グラフ）