@techreport{oai:ipsj.ixsq.nii.ac.jp:02007965,
 author = {樹神,宇徳 and 林,俊一郎 and 椋木,大地 and 横田,理央 and 大島,聡史 and 星野,哲也 and 片桐,孝洋},
 issue = {48},
 month = {Mar},
 note = {大規模言語モデルによる研究自動化が進む一方，HPC環境ではコンテナ分離やコンパイル型言語への対応，長期的な実験知識の管理といった固有の課題があり，既存の自律研究システムはそのまま適用できない．本研究では，AI Scientist v2[1]を基盤にHPC環境へ適合させた自律研究システムHPC-AutoResearchを提案する．研究実行を計画から実行まで5フェーズに分割するSplit-Phase実行モデルにより，環境構築やコンパイルの失敗を局所化して反復修復を可能にした．さらに，MemGPT[4]の概念を拡張した3層階層記憶を導入し，フェーズ間で失われがちな実験知識を保持・再利用する．Himeno Benchmarkを題材に，コマンドライン上で動作するLLMコーディングエージェントであるClaude Code，Codex，Gemini CLIとの比較実験を行った結果，提案手法は全7評価項目で3/4以上を達成した唯一の手法であり，特に独創性と貢献度で他条件を上回った．},
 title = {HPC-AutoResearch：AI Scientist v2に基づくフェーズ分離実行と階層記憶によるHPC向け自律研究システム},
 year = {2026}
}