論文の概要: OptMetaOpenFOAM: Large Language Model Driven Chain of Thought for Sensitivity Analysis and Parameter Optimization based on CFD

• arxiv url: http://arxiv.org/abs/2503.01273v1
• Date: Mon, 03 Mar 2025 07:55:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:15:59.733546
• Title: OptMetaOpenFOAM: Large Language Model Driven Chain of Thought for Sensitivity Analysis and Parameter Optimization based on CFD
• Title（参考訳）: OptMetaOpenFOAM:CFDに基づく感性分析とパラメータ最適化のための思考の大規模言語モデル駆動型チェーン
• Authors: Yuxuan Chen, Long Zhang, Xu Zhu, Hua Zhou, Zhuyin Ren,
• Abstract要約: 外部分析および最適化ツールライブラリでMetaOpenFOAMをブリッジするフレームワークであるOptMetaOpenFOAMを紹介します。 自然言語入力による複雑なCFDタスクの自動化により、このフレームワークは、専門家でないユーザに感度分析とパラメータ最適化を行う権限を与える。
• 参考スコア（独自算出の注目度）: 13.267900480432925
• License:
• Abstract: Merging natural language interfaces with computational fluid dynamics (CFD) workflows presents transformative opportunities for both industry and research. In this study, we introduce OptMetaOpenFOAM - a novel framework that bridges MetaOpenFOAM with external analysis and optimization tool libraries through a large language model (LLM)-driven chain-of-thought (COT) methodology. By automating complex CFD tasks via natural language inputs, the framework empowers non-expert users to perform sensitivity analyses and parameter optimizations with markedly improved efficiency. The test dataset comprises 11 distinct CFD analysis or optimization tasks, including a baseline simulation task derived from an OpenFOAM tutorial covering fluid dynamics, combustion, and heat transfer. Results confirm that OptMetaOpenFOAM can accurately interpret user requirements expressed in natural language and effectively invoke external tool libraries alongside MetaOpenFOAM to complete the tasks. Furthermore, validation on a non-OpenFOAM tutorial case - namely, a hydrogen combustion chamber - demonstrates that a mere 200-character natural language input can trigger a sequence of simulation, postprocessing, analysis, and optimization tasks spanning over 2,000 lines of code. These findings underscore the transformative potential of LLM-driven COT methodologies in linking external tool for advanced analysis and optimization, positioning OptMetaOpenFOAM as an effective tool that streamlines CFD simulations and enhances their convenience and efficiency for both industrial and research applications. Code is available at https://github.com/Terry-cyx/MetaOpenFOAM.
• Abstract（参考訳）: 自然言語インタフェースと計算流体力学(CFD)ワークフローを組み合わせることは、産業と研究の両方に変革をもたらす機会を与える。 本稿では,メタOpenFOAMを外部分析および最適化ツールライブラリにブリッジする新しいフレームワークであるOptMetaOpenFOAMについて,大規模言語モデル(LLM)駆動型チェーン・オブ・シント(COT)手法を用いて紹介する。 自然言語入力による複雑なCFDタスクの自動化により、このフレームワークは、熟練していないユーザに対して、感度分析とパラメータ最適化を行い、効率を大幅に改善する。 試験データセットは、流体力学、燃焼、熱伝達をカバーしたOpenFOAMチュートリアルから派生したベースラインシミュレーションタスクを含む、11種類のCFD分析または最適化タスクからなる。 結果は、OptMetaOpenFOAMが自然言語で表現されたユーザ要件を正確に解釈し、MetaOpenFOAMと一緒に外部ツールライブラリを効果的に呼び出してタスクを完了できることを確認する。 さらに、非OpenFOAMチュートリアルケース(すなわち水素燃焼室)の検証では、たった200文字の自然言語入力が2000行以上のコードにまたがるシミュレーション、後処理、分析、最適化タスクのシーケンスをトリガーできることが示されている。 これらの知見は, CFDシミュレーションを効率化し, 産業用および研究用両方の用途において有用性と効率を向上する有効なツールとしてOPtMetaOpenFOAMを位置づけ, 高度な解析・最適化のための外部ツールをリンクする上で, LLM駆動型COT手法の変換可能性を強調した。 コードはhttps://github.com/Terry-cyx/MetaOpenFOAMで入手できる。

関連論文リスト

• Adaptive Tool Use in Large Language Models with Meta-Cognition Trigger [49.81945268343162]
  我々は,外部ツール利用のための適応型意思決定戦略であるMeCoを提案する。 MeCoは表現空間の高レベル認知信号をキャプチャし、ツールを呼び出すタイミングを指示する。 実験の結果,MeCoはLSMの内部認知信号を正確に検出し,ツール使用による意思決定を大幅に改善することがわかった。
  論文  参考訳（メタデータ） (2025-02-18T15:45:01Z)
• MetaOpenFOAM 2.0: Large Language Model Driven Chain of Thought for Automating CFD Simulation and Post-Processing [11.508919041921942]
  提案するMetaOpenFOAM 2.0は,COT(Chain of Thought)分解と反復検証を利用して,非専門家ユーザに対するアクセシビリティを向上させる。 シミュレーション(流動、熱伝達、燃焼)と後処理(抽出、可視化)をカバーする新しいベンチマークで、MetaOpenFOAM 2.0は実行可能性スコアが6.3/7、通過率は86.9%に達した。 アブレーション試験では,COTによる分解と反復精製によりタスク性能が大幅に向上した。
  論文  参考訳（メタデータ） (2025-02-01T17:31:25Z)
• LLM Agent for Fire Dynamics Simulations [3.0031348283981987]
  FoamPilotはFireFOAMのユーザビリティを高めるために設計された概念実証エージェントである。 FireFOAM は OpenFOAM を用いて構築された火災力学と火災抑制シミュレーションの解法である。 FoamPilotは、コードインサイト、ケース構成、シミュレーション評価の3つのコア機能を提供する。
  論文  参考訳（メタデータ） (2024-12-22T20:03:35Z)
• MetaAlign: Align Large Language Models with Diverse Preferences during Inference Time [50.41806216615488]
  大規模言語モデル(LLM)は、広範なテキストコーパスから広範な知識と顕著な能力を取得する。 LLMをより使いやすくするためには、それらを人間の好みに合わせることが不可欠である。 提案手法は,LLMが推論時に指定される様々な明示的あるいは暗黙的な選好と動的に整合するのを支援することを目的としている。
  論文  参考訳（メタデータ） (2024-10-18T05:31:13Z)
• Reference Trustable Decoding: A Training-Free Augmentation Paradigm for Large Language Models [79.41139393080736]
  大規模言語モデル(LLM)は急速に進歩し、印象的な機能を示している。 In-Context Learning (ICL) など。 効率的なファインチューニング(PEFT)は、現在2つの主要な拡張方法である。 下流タスクへのLLM。 我々は、モデルが微調整なしで新しいタスクに迅速に適応できるパラダイムである参照信頼復号(RTD)を提案する。
  論文  参考訳（メタデータ） (2024-09-30T10:48:20Z)
• MetaOpenFOAM: an LLM-based multi-agent framework for CFD [11.508919041921942]
  MetaOpenFOAMは、新しいマルチエージェントコラボレーションフレームワークである。 入力として自然言語のみを用いてCFDシミュレーションタスクを完了することを目的としている。 MetaGPTのアセンブリラインパラダイムのパワーを利用する。
  論文  参考訳（メタデータ） (2024-07-31T04:01:08Z)
• CELA: Cost-Efficient Language Model Alignment for CTR Prediction [70.65910069412944]
  CTR(Click-Through Rate)予測は、レコメンダシステムにおいて最重要位置を占める。 最近の取り組みは、プレトレーニング言語モデル(PLM)を統合することでこれらの課題を緩和しようとしている。 CTR予測のためのtextbfCost-textbfEfficient textbfLanguage Model textbfAlignment (textbfCELA)を提案する。
  論文  参考訳（メタデータ） (2024-05-17T07:43:25Z)
• Machine Learning Optimized Approach for Parameter Selection in MESHFREE Simulations [0.0]
  従来のメッシュベースのアプローチに代わる魅力的な代替手段として、メッシュフリーシミュレーション手法が登場している。 機械学習(ML)とFraunhoferのMESHFREEソフトウェアを組み合わせた研究の概要について概説する。 本稿では,MESHFREEシミュレーションデータに能動的学習,回帰木を用いたML最適化手法を提案する。
  論文  参考訳（メタデータ） (2024-03-20T15:29:59Z)
• From Summary to Action: Enhancing Large Language Models for Complex Tasks with Open World APIs [62.496139001509114]
  大規模な現実世界のAPIを制御するために設計された新しいツール呼び出しパイプラインを導入します。 このパイプラインは人間のタスク解決プロセスを反映し、複雑な実際のユーザクエリに対処する。 ToolBenchベンチマークにおけるSum2Actパイプラインの実証的な評価は、大幅なパフォーマンス向上を示している。
  論文  参考訳（メタデータ） (2024-02-28T08:42:23Z)
• Combining Machine Learning with Computational Fluid Dynamics using OpenFOAM and SmartSim [39.58317527488534]
  OpenFOAMとSmartSimを使ってCFD+MLアルゴリズムを開発するための効果的でスケーラブルなソリューションを提供する。 SmartSimはCFD+MLアルゴリズムとRedisデータベースのプログラミングを大幅に単純化するOrchestratorを提供する。 我々はSmartSimを利用してOpenFOAMのさまざまなセグメントをMLに効果的に結合する方法を示し、これにはプリ/ポスト処理アプリケーション、ソルバ、関数オブジェクト、メッシュモーションソルバが含まれる。
  論文  参考訳（メタデータ） (2024-02-25T20:39:44Z)
• Connecting Large Language Models with Evolutionary Algorithms Yields Powerful Prompt Optimizers [70.18534453485849]
  EvoPromptは離散的なプロンプト最適化のためのフレームワークである。 進化的アルゴリズム(EA)の概念は、優れた性能と高速収束を示すものである。 人為的なプロンプトと既存の方法で自動プロンプト生成を著しく上回っている。
  論文  参考訳（メタデータ） (2023-09-15T16:50:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。