Агент на основе большой языковой модели как конструктор-механик

Large language model agent as a mechanical designer
Amir Barati Farimani, Yayati Jadhav
2026-02-11

2D-ферменные конструкцииоптимизация под управлением LLMметод конечных элементовагенты больших языковых моделеймеханическое проектирование
Традиционное механическое проектирование опирается на итерационные циклы уточнения, основанные на экспертных эвристиках и вычислительно затратном анализе методом конечных элементов (МКЭ), для достижения заданных показателей эффективности. Хотя для автоматизации отдельных этапов этого процесса были разработаны методы машинного обучения, они обычно требуют больших наборов данных и значительных вычислительных ресурсов, а также остаются узко ориентированными на конкретные предметные области, что ограничивает их обобщающую способность при решении разнообразных задач проектирования. Мы предлагаем каркас, объединяющий предварительно обученную большую языковую модель (LLM) с модулем МКЭ для автономной генерации, оценки и уточнения конструкций на основе заданных эксплуатационных характеристик и количественной обратной связи. Без предметно-ориентированной тонкой настройки LLM использует общие способности к рассуждению для итеративного выдвижения вариантов конструкций, интерпретации результатов моделирования и внесения механически обоснованных изменений. Продемонстрированный на двумерных ферменных конструкциях, этот подход исследует сложные пространства проектирования, уравновешивает конкурирующие цели и определяет подходящие моменты остановки, когда оптимизация начинает давать убывающую отдачу. По сравнению с традиционными методами, такими как NSGA-II, оптимизация под управлением LLM обеспечивает более быструю сходимость при меньшем числе вычислений по МКЭ в высокодискретных многокомпонентных пространствах проектирования, включающих динамическую генерацию узлов и дискретный выбор размеров элементов. Эксперименты при различных значениях температуры и масштабах моделей показывают, что меньшие модели обеспечивают несколько лучшее выполнение ограничений за меньшее число итераций, тогда как более низкие значения температуры приводят к более стабильным результатам. Эти результаты позиционируют агентов на основе LLM как перспективный новый класс оптимизаторов инженерного проектирования, основанных на естественном языке и управляемых рассуждением.
1
Предложен метод, объединяющий предварительно обученную большую языковую модель с конечно-элементным анализом для автономной генерации, оценки и уточнения конструкций без специализированной донастройки.
2
По сравнению с NSGA-II оптимизация под управлением LLM сходится быстрее и требует меньшего числа конечно-элементных расчётов для дискретных задач с динамическим добавлением узлов и дискретным подбором размеров стержней.
3
Модели меньшего размера обеспечивают немного лучшее выполнение ограничений за меньшее число итераций, а более низкая температура генерации даёт более стабильные результаты.
4
LLM интерпретирует количественные результаты моделирования и вносит механически обоснованные изменения, одновременно учитывая несколько конкурирующих целей в сложных пространствах проектирования двумерных ферм.
5
Агент определяет моменты остановки, когда дальнейшая оптимизация даёт лишь незначительные улучшения, повышая эффективность итеративного проектирования.

двумерные ферменные конструкции

автономная генерация, оценка на основе FEM и итеративное уточнение конструкций под ограничениями по эксплуатационным характеристикам с использованием LLM

Publication Details
Publication Date
2026-02-11
Journal
Publisher
ISSN
Cited by
13
Access Type
Author Information
Authors
Amir Barati Farimani
Yayati Jadhav
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%