論文の概要: Foam-Agent: Towards Automated Intelligent CFD Workflows

• arxiv url: http://arxiv.org/abs/2505.04997v1
• Date: Thu, 08 May 2025 07:05:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-09 21:43:49.782377
• Title: Foam-Agent: Towards Automated Intelligent CFD Workflows
• Title（参考訳）: Foam-Agent: インテリジェントCFDワークフローの自動化を目指す
• Authors: Ling Yue, Nithin Somasekharan, Yadi Cao, Shaowu Pan,
• Abstract要約: 自然言語入力から複雑なOpenFOAMベースのCFDシミュレーションを自動化するマルチエージェントフレームワークであるFoam-Agentを提案する。 我々の革新は、(1)異なるシミュレーションの側面を特化した階層型マルチインデックス検索システム、(2)構成ファイル間の整合性管理を提供する依存性対応ファイル生成システム、(3)人間の介入なしにシミュレーション失敗を診断・解決する反復的エラー訂正機構を含む。
• 参考スコア（独自算出の注目度）: 2.303486126296845
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Computational Fluid Dynamics (CFD) is an essential simulation tool in various engineering disciplines, but it often requires substantial domain expertise and manual configuration, creating barriers to entry. We present Foam-Agent, a multi-agent framework that automates complex OpenFOAM-based CFD simulation workflows from natural language inputs. Our innovation includes (1) a hierarchical multi-index retrieval system with specialized indices for different simulation aspects, (2) a dependency-aware file generation system that provides consistency management across configuration files, and (3) an iterative error correction mechanism that diagnoses and resolves simulation failures without human intervention. Through comprehensive evaluation on the dataset of 110 simulation tasks, Foam-Agent achieves an 83.6% success rate with Claude 3.5 Sonnet, significantly outperforming existing frameworks (55.5% for MetaOpenFOAM and 37.3% for OpenFOAM-GPT). Ablation studies demonstrate the critical contribution of each system component, with the specialized error correction mechanism providing a 36.4% performance improvement. Foam-Agent substantially lowers the CFD expertise threshold while maintaining modeling accuracy, demonstrating the potential of specialized multi-agent systems to democratize access to complex scientific simulation tools. The code is public at https://github.com/csml-rpi/Foam-Agent
• Abstract（参考訳）: 計算流体力学(CFD、Computational Fluid Dynamics)は、様々な工学分野において重要なシミュレーションツールであるが、多くの場合、かなりの専門知識と手動構成を必要とし、参入の障壁を生じさせる。 複雑なOpenFOAMベースのCFDシミュレーションワークフローを自然言語入力から自動化するマルチエージェントフレームワークであるFoam-Agentを提案する。 我々の革新は、(1)異なるシミュレーションの側面を特化した階層型マルチインデックス検索システム、(2)構成ファイル間の整合性管理を提供する依存性対応ファイル生成システム、(3)人間の介入なしにシミュレーション失敗を診断・解決する反復的エラー訂正機構を含む。 110のシミュレーションタスクのデータセットを総合的に評価することで、Foam-AgentはCrude 3.5 Sonnetで83.6%の成功率を獲得し、既存のフレームワーク(MetaOpenFOAMでは55.5%、OpenFOAM-GPTでは37.3%)を大幅に上回った。 アブレーション研究は、それぞれのシステムコンポーネントに重要な貢献を示し、特別なエラー訂正機構が36.4%の性能改善を提供している。 Foam-Agentはモデリング精度を維持しながらCFDの専門知識の閾値を大幅に下げ、複雑な科学シミュレーションツールへのアクセスを民主化するための特殊なマルチエージェントシステムの可能性を実証している。 コードはhttps://github.com/csml-rpi/Foam-Agentで公開されている。

関連論文リスト

• An Efficient Hierarchical Preconditioner-Learner Architecture for Reconstructing Multi-scale Basis Functions of High-dimensional Subsurface Fluid Flow [4.303037819686676]
  本研究では,高次元地下流れの多次元基底関数を再構築した効率的な階層型プレコンディショナー・ラーナーアーキテクチャを提案する。 FP-HMsNetは、MSEが0.0036、MAEが0.0375、R2が0.9716に達し、既存のモデルよりも大幅に優れていた。 このモデルは、より複雑な現実世界の応用に期待できる、効率的で正確な地下流動モデリングのための新しい方法を提供する。
  論文  参考訳（メタデータ） (2024-11-01T09:17:08Z)
• 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)
• Integrating Multi-Physics Simulations and Machine Learning to Define the Spatter Mechanism and Process Window in Laser Powder Bed Fusion [6.024307115154315]
  本研究では, LPBFにおける多物理現象をシミュレートするために構築した高忠実度モデリングツールを用いて, スパッタ形成機構について検討した。 スパッタの挙動と生成を理解するため, 噴出時の特性を明らかにし, 生成源である溶融プールからの変動を評価する。 分類タスクの相関解析と機械学習(ML)アルゴリズムを用いて,スパッタとメルトプールの関係を評価した。
  論文  参考訳（メタデータ） (2024-05-13T15:08:02Z)
• DS-Agent: Automated Data Science by Empowering Large Language Models with Case-Based Reasoning [56.887047551101574]
  大規模言語モデル(LLM)エージェントとケースベース推論(CBR)を利用した新しいフレームワークであるDS-Agentを提案する。 開発段階では、DS-AgentはCBRフレームワークに従い、自動イテレーションパイプラインを構築する。 デプロイメントの段階では、DS-Agentは、シンプルなCBRパラダイムで低リソースのデプロイメントステージを実装し、LCMの基本能力に対する需要を大幅に削減する。
  論文  参考訳（メタデータ） (2024-02-27T12:26:07Z)
• Multi-fidelity Hierarchical Neural Processes [79.0284780825048]
  多要素代理モデリングは、異なるシミュレーション出力を融合させることで計算コストを削減する。 本稿では,多階層型階層型ニューラルネットワーク(MF-HNP)を提案する。 疫学および気候モデリングタスクにおけるMF-HNPの評価を行い、精度と不確実性評価の観点から競合性能を達成した。
  論文  参考訳（メタデータ） (2022-06-10T04:54:13Z)
• Efficient Model-Based Multi-Agent Mean-Field Reinforcement Learning [89.31889875864599]
  マルチエージェントシステムにおける学習に有効なモデルベース強化学習アルゴリズムを提案する。 我々の理論的な貢献は、MFCのモデルベース強化学習における最初の一般的な後悔の限界である。 コア最適化問題の実用的なパラメトリゼーションを提供する。
  論文  参考訳（メタデータ） (2021-07-08T18:01:02Z)

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。