Wetenschappelijk rekenen in het tijdperk van agentic AI

Wetenschappelijk rekenen is een belangrijke pijler van modern onderzoek binnen de academische wereld en het bedrijfsleven. Toch heeft de software voor het analyseren van wetenschappelijke informatie de snelle groei van de hoeveelheid gegevens nauwelijks kunnen bijhouden. Veel veelgebruikte onderzoekstools zijn begonnen als code bij een wetenschappelijk artikel, ontwikkeld door kleine academische teams met weinig technische ervaring en nauwelijks tijd voor verpakking, tests, optimalisatie of langdurige ondersteuning. Het resultaat is een wetenschappelijke infrastructuur die vaak afhankelijk is van trage, kwetsbare workflows die voortdurend onderhoud vergen. Deze beperkingen vertragen het tempo van ontdekkingen.

AI-agents beginnen daar verandering in te brengen. Door de kosten van technisch werk te verlagen en tijdrovende implementatietaken over te nemen, kunnen ze onderzoekers helpen ideeën sneller uit te werken, voorheen onpraktische projecten uit te voeren en software op de lange termijn eenvoudiger te onderhouden. Hierdoor wordt wetenschappelijke software efficiënter en beter onderhouden, zodat onderzoekers meer tijd aan ontdekkingen kunnen besteden.

We publiceren een verkennend veldrapport over acht wetenschappelijke rekenprojecten die met hulp van agenten zijn uitgevoerd, voornamelijk in de levenswetenschappen: vijf uitsluitend met Codex en drie met een combinatie van Codex en Claude Code. Het rapport bundelt casestudy's van de teams achter elk project en brengt terugkerende thema's in kaart. De projecten variëren van routineonderhoud en gerichte optimalisatie tot grootschalige migraties naar andere programmeertalen en GPU-native herontwerpen. Volgens de bijdragers hebben agenten de ontwikkeling en het onderhoud van software aanzienlijk versneld. In sommige gevallen konden kleine teams daardoor werk uitvoeren waarvoor anders veel meer tijd of gespecialiseerde technische ondersteuning nodig was geweest. Tegelijkertijd wijzen ze op de hardnekkige uitdaging om duidelijke, langdurige verantwoordelijkheid en beheersstructuren voor de resulterende tools vast te leggen.

De bijdragers beschrijven consequent een verschuiving in de rol van onderzoekers, van implementatie naar verificatie en regie: bepalen wat er moet worden gebouwd, vastleggen hoe de juistheid wordt gemeten en beslissen wanneer een project klaar is voor uitgave. In dit opkomende model houden onderzoekers de wetenschappelijke koers en kwaliteitsnorm in eigen hand, terwijl agentic ondersteuning voor meer snelheid zorgt

Hoewel de projecten sterk in omvang verschilden, lieten ze zien dat programmeeragents de beschikbaarheid van technisch werk en expertise minder beperkend maken voor wetenschappelijk rekenen. Het knelpunt is nu de validatie van de uitvoer van een AI-agent, waarvoor nog steeds menselijk beoordelingsvermogen nodig is.

In alle casestudy's verwerkten agents specifieke, duidelijk afgebakende verzoeken doeltreffend, maar konden ze niet betrouwbaar beoordelen of hun werk wetenschappelijk geldig was of aan de verwachtingen voldeed. Agents toonden zelfs vaak zelfvertrouwen wanneer hun werk duidelijke fouten bevatte. Menselijke beoordelaars moesten daarom betrouwbare manieren vinden om de resultaten te valideren. De beste methoden gebruikten een externe referentie of een meetbaar acceptatiecriterium, zoals een exact overeenkomende uitvoer, gelijkwaardigheid met een bestaande tool, passend statistisch gedrag of vooraf vastgestelde antwoorden op basis van gesimuleerde gegevens.

Een ander terugkerend thema was dat de projecten doorgaans gefaseerd en in feedbackgestuurde iteraties werden uitgevoerd, in plaats van met een one-shotaanpak. De bijdragers splitsten brede doelen op in kleinere wijzigingen en gebruikten vervolgens tussentijdse benchmarks en testsystemen om het werk van de agents te beoordelen en te verfijnen. Agents leverden vaak snel een eerste implementatie op, maar het oplossen van randgevallen en subtiele numerieke verschillen kostte veel meer tijd. Het voltooien van de ‘laatste loodjes’ van een implementatie vergde vaak het meeste werk.

Al met al wijzen deze casestudy's erop dat agents onderzoekers in staat stellen minder tijd aan implementatie en meer tijd aan de aansturing van het wetenschappelijke werk te besteden. Mensen bepalen het doel, delen complexe projecten op in beheersbare onderdelen en beoordelen of de resultaten wetenschappelijk geldig zijn. Door al lang bestaande technische beperkingen te verminderen, vergroten agents wat onderzoekers kunnen bouwen en kunnen zij zich richten op de belangrijkste wetenschappelijke vragen en beslissingen.

Het tekort aan onderhoud van onderzoekssoftware vertraagt iteraties al lange tijd en beperkt de reproduceerbaarheid en betrouwbaarheid. Gepubliceerde onderzoeken naar ‘onderzoekscode⁠(opent in een nieuw venster)’ en omics-tools⁠(opent in een nieuw venster) hebben aangetoond dat gepubliceerde software vaak niet goed kan worden geïnstalleerd in een nieuwe computeromgeving of niet werkt zoals gedocumenteerd. Daardoor zijn onderzoekers veel tijd kwijt aan configuratie en foutopsporing. Zelfs routinematige verbeteringen kunnen onderzoekers tijd besparen en de benodigde rekenkracht verminderen, terwijl prestatiegerichte refactoring en herschrijvingen grotere voordelen kunnen opleveren.

Lagere implementatiekosten maken het echter ook eenvoudiger om veel vergelijkbare herschrijvingen te produceren. Dit versnippert de gebruikersgroep en verdeelt de deskundige aandacht die nodig is om een tool betrouwbaar te houden. Daarom zijn beheer en juiste naamsvermelding op lange termijn essentieel. Volwassen wetenschappelijke software omvat ongedocumenteerde conventies, compatibiliteitsvereisten en gebruikersvertrouwen die niet kunnen worden gereproduceerd door alleen de broncode te vertalen.

De casestudy's illustreren verschillende mogelijke vervolgstappen. Wijzigingen aan MHCflurry en cyvcf2 werden opgenomen in hun oorspronkelijke upstreamprojecten. Rustar-aligner kwam onder nieuw gemeenschapsbeheer omdat het oorspronkelijke project was verlaten. Als samenwerking met bestaande beheerders mogelijk is, moet die zo vroeg mogelijk beginnen. Als een afzonderlijke implementatie noodzakelijk is, moet die een duidelijke eigenaar en een geloofwaardig onderhoudsplan hebben. Zonder die voorwaarden kan de moderne herschrijving van vandaag de verlaten code van morgen worden, in plaats van betrouwbare wetenschappelijke infrastructuur.

Dit veldrapport is retrospectief en verkennend, maar de casestudy's wijzen op een praktische verandering in de ontwikkeling van wetenschappelijke software. Programmeeragents zoals Codex kunnen de kosten van onderhoud, migratie, optimalisatie en nieuwe implementaties aanzienlijk verlagen. Hun wetenschappelijke waarde op lange termijn blijft afhankelijk van menselijke beslissingen over wat er moet worden gebouwd, hoe het wordt geverifieerd en wie het onderhoudt. De diepere verandering is niet alleen dat onderzoekers meer software kunnen produceren, maar ook dat ze meer aandacht kunnen besteden aan het definiëren, valideren en beheren van de tools.

Deze casestudy's tonen aan dat agents het iteratietempo binnen wetenschappelijk rekenen nu al kunnen versnellen. Naarmate programmeeragents verbeteren, hoeven onderzoekers minder tijd te besteden aan het draaiend houden van analysepijplijnen en kunnen ze meer tijd besteden aan de vooruitgang van hun vakgebied.