Агент на основе большой языковой модели как конструктор-механик
Large language model agent as a mechanical designer
2026-02-11
SCID: 54.1/h6gxfe3x
Discuss with AI
2D-ферменные конструкцииоптимизация под управлением LLMметод конечных элементовагенты больших языковых моделеймеханическое проектирование
Figures from the paper
Abstract (AI)
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.
Key Findings
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.
Research Object
двумерные ферменные конструкции
Research Subject
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
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai7
Снижение размерности данных с помощью нейронных сетей2006
Машинное обучение: тенденции, перспективы и прогнозы2015
Обзор методов оценки больших языковых моделей2024
Предварительное обучение, промптинг и предсказание: систематический обзор методов промптинга в обработке естественного языка2022
Автономные химические исследования с использованием больших языковых моделей2023
Является ли ChatGPT универсальным решателем задач обработки естественного языка?2023
Промпт-инжиниринг для обеспечения согласованности и надежности ответов больших языковых моделей в соответствии с доказательными рекомендациями2024